Perbandingan Kinerja Algoritma Naive Bayes dan C4.5 Untuk Klasifikasi Harga Pangan

Nurani Nanni, Afif sudrahsyah

Abstract


Prediksi harga pangan merupakan proses analisis yang diperlukan oleh sebuah sistem pada distribusi penjualan, metode yang bisa digunakan untuk prediksi salah satu  adalah teknik data mining. Data mining didefinisikan sebagai suatu proses untuk mencari pola dari sekumpulan data yang terdapat di dalam database untuk kemudian dianalisis sehingga menghasilkan suatu informasi. Algoritma data mining yang digunakan adalah Naive Bayes dan  C.45 dengan pengujian Precision, Recall serta Accuracy untuk setiap data training dan data testing yang telah diberikan.  Berdasarkan hasil pengujian, semakin banyaknya data training yang digunakan, maka nilai precision, recall dan accuracy akan semakin meningkat. Selain itu, hasil klasifikasi pada algoritma Naive Bayes dan C.45 tidak dapat memberikan nilai yang absolut atau mutlak. Dengan menggunakan alat bantu WEKA (Waikato Environment for Knowledge Analaysis)  Hasil perbandingan menunjukkan bahwa metode C45 memiliki tingkat akurasi tertinggi 65% dibandingkan algoritma naive bayes dan nearest neighbour yaitu mencapai 60%.

Keywords


Data Mining; Naïve Bayes; C.45; Precision; Recall, accuracy.

References


J. Iawe. Han, M. Kamber, and J. Pei, 2012, Data Mining Concept and Techniques

B. Mirkin, 2011, “Data Analysis, Mathematical Statistics, Machine Learning, Data Mining: Similarities and Differences,†2011 Int. Conf. Adv. Comput. Sci. Inf. Syst., Vol. 2, pp. 1–8.

M. Ramageri, 2010, “Data Mining Techniques and Applications,†Indian J. Comput. Sci. Eng., Vol. 1, No. 4, pp. 301–305.

Prasetyo, Eko.2014.Data mining mengolah data menjadi informasi menggunakan matlab. Yogyakarta : penerbit andi.

Hastuti, K .2012. Analisis komparasi Algoritma Klasifikasi Data Mining untuk prediksi mahasiswa non aktif. Seminar Nasional Teknologi Informasi dan Komunikasi Terapan 2012. Universitas Dian Nuswantoro, Semarang.

M. Ramageri, 2010, “Data Mining Techniques and Applications,†Indian J. Comput. Sci. Eng., Vol. 1, No. 4, pp. 301–305.

Larose, Daniel T. 2005. Discovering Knowledge In Data: An Introduction to Data Mining. New Jersey: John Wiley and Sons Inc.

Berry, M.W. dan M. Browne. 2006. Lecture Notes in Data Mining. Singapore: World Scientific Publishing Co. Pte. Ltd.

Han, J and Kamber, M. 2006. Data Mining Concepts and Techniques, second edition. California: Morgan Kaufman.

I. A. Mubarok, N. A. Wesiani, and A. Rusdiansyah, “Pengembangan Prototype Knowledge Management System berbasis Case Based Reasoning bagi Peningkatan Aksesibilitas UMKM Dalam Permodalan Usaha,†pp. 1–6.




DOI: https://doi.org/10.33387/protk.v7i1.1710

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Nurani Nanni, Afif sudrahsyah





Editorial Office :
PROtek : Jurnal Ilmiah Teknik Elektro
Department of Electrical Engineering. Faculty of Engineering. Universitas Khairun.
Address: Jusuf Abdulrahman 53 Gambesi, Ternate City, Indonesia.
Email: protek@unkhair.ac.id, WhatsApp: +6282292852552
Creative Commons License This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

View Stat Protek