Perbandingan Kinerja Algoritma Naive Bayes dan C4.5 Untuk Klasifikasi Harga Pangan
DOI:
https://doi.org/10.33387/protk.v7i1.1710Keywords:
Data Mining, Naïve Bayes, C.45, Precision, Recall, accuracy.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%.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.
Downloads
Additional Files
Published
How to Cite
Issue
Section
License
Authors who publish with this journal agree to the following terms:
- The copyright of the accepted for publication articles shall be assigned to Protek : Jurnal Ilmiah Teknik Elektro as the publisher of the journal. The intended copyright includes the rights to publish articles in various forms (including reprints).
- Protek : Jurnal Ilmiah Teknik Elektro maintain the publishing rights of the published articles.
- Authors are permitted to republish or disseminate published articles by sharing the link/DOI of the article at Protek : Jurnal Ilmiah Teknik Elektro. Authors are allowed to use their articles for any legal purposes deemed necessary without written permission from Protek : Jurnal Ilmiah Teknik Elektro with an acknowledgment of initial publication to this journal.
Protek : Jurnal Ilmiah Teknik Elektro by Department of Electrical Engineering, Faculty of Engineering, Universitas Khairun
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.






