PREDIKSI KEHADIRAN MENGGUNAKAN METODE KLASIFIKASI NAÏVE BAYES, ONE-R, DECISION TREE

Main Article Content

Bahrawi As'ad

Abstract

Abstrak

Proses mencari pola atau informasi yang berguna pada suatu kumpulan data dengan menggunakan metode tertentu, saat ini telah menjadi topik yang menarik. Salah satu manfaatnya yaitu dapat menunjang pengambilan keputusan dalam suatu organisasi baik itu organisasi profit maupun non profit. Pada makalah ini akan dilakukan pengujian terhadap sekumpulan data yang diambil dari kejadian nyata untuk diolah, guna mendapatkan informasi atau pola yang dapat berguna untuk penentuan pengambilan sebuah keputusan. Pengujian pada makalah ini merupakan prediksi terhadap pengguna jasa sebuah operator seluler akan kehadirannya pada suatu acara berdasarkanbeberapa indicator, cuaca, jarak relative terhadap lokasi acara, serta apakah pengguna jasa tersebut merupakan termasuk pelanggan pasca bayar atau tidak. Pengujian dilakukan dengan menggunakan tiga metode klasifikasi, yakni naïve bayes, decision tree, dan oneR. Hasil dari percobaan ini bisa menunjukkan prediksi dari setiap percobaan dengan tingkat akurasi prediksi yang berbeda-beda disetiap metode yang digunakan.

Kata kunci :  Penambangan data, klasifikasi, naïve bayes, oneR, pohon keputusan.

 

Abstract

The searching process for a pattern or useful information in a data set using a particular method, has now become a interesting topics. One of benefits is to support decision making in an organization event profit organizations or non-profit organizations. In this paper will be tested to a dataset taken from real events to be processed, in order to get information or a pattern that can be useful for the decision-making. Testing in this paper is the prediction users mobile service of his presence at an event based on several indicators, the weather, the distance relative to the location of the event, as well as whether the user services are included postpaid subscribers or not. Testing conducted by using three classification methods; Naive Bayes, Decision Tree, and Oner. The results of the experiments are able to show prediction of each trial with different accuracy on every method used.

Keywords : Data mining, classification, naïve bayes, oneR, decision tree.

Dimensions

Article Details

Section
Artikel

References

Jiawei Han, Micheline Kamber, Jian Pei. Data Mining: Concepts And Techniques 3rd Edition. Urbana-Champaign: Morgan Kaufmann, 2011.

Median Yuli Hartanto, Daniel Oranova S, Sarwosri. Prediksi Umur Bug Dalam Poyek Pengembangan Perangkat Lunak. Surabaya, 7 27, 2011.

Munawar. Pemodelan Visual dengan UML,. Yogyakarta: GrahaIlmu, 2005.

Natalius, Samuel. Metoda Naïve Bayes Classifier dan Penggunaannya pada Klasifikasi Dokumen. Makalah, Bandung: Makalah II2092 Probabilitas dan Statistik, 2010.

Oded Z. Maimon, Lior Rokach. Decomposotion methodology for knowledge discovery and data mining : theory and applications. World Scientific, 2005.

Selvia Lorena Br Ginti, Reggy Pasya Trinanda. "Teknik Data Mining Menggunakan Metode Bayes Classifier Untuk Optimalisasi Pencarian Pada Aplikasi Perpustakaan (Studi Kasus : Perpustakaan Universitas Pasundan – Bandung." Jurnal Teknologi dan Informasi UNIKOM, Volume 1 No 6, 2014: 8-23.

Silipo, Rosario dan Phil Winters. "big data, Smart Energy, and Predictive Analytics." Time Series Prediction of Smart Energy Data, 2013: 1-37.

Silipo, Rosario. KNIME and big data. 2013. http://www.dataminingreporting.com/blog/knime¬-and-¬big-¬data (accessed September 28, 2014).

Weka 3. Data Mining with Open Source Machine Learning Software in Java. n.d. http://www.cs.waikato.ac.nz/ml/weka/index.html (accessed April 06, 2011).

Widodo, Pudji. "Rule-Based Classifier Untuk Mendeteksi Penyakit Liver." Bianglala Informatika Vol . II No 1, 2014: 71-80.