Analisis Akurasi Algoritma Naive Bayes dengan Seleksi Fitur Rough Set pada Klasifikasi Data

Abstract

Naive Bayes Classifier adalah salah satu metode di dalam datamining yang bertujuan untuk membangun model klasifikasi menggunakan dataset untuk menentukan kelas. Pada beberapa penelitian terdahulu algoritma naive bayes memiliki tingkat akurasi yang kurang baik dalam akurasi ketepatan hasil klasifikasi. Hal ini dipengaruhi oleh fitur yang digunakan sering kali tidak relevan dan memiliki pengaruh yang rendah terhadap klasifikasi. Untuk mengatasi permasalahan tersebut digunakan proses seleksi fitur , maka pada penelitian ini menggunakan salah satu seleksi fitur yaitu rough set. Fitur yang telah diseleksi menggunakan rough set kemudian diklasifikasikan dengan menggunakan algoritma naive bayes classifier. Dataset yang digunakan pada penelitian ini adalah dataset primary tumor, house vote dan breast cancer yang diperoleh dari UCI Machine Learning Repository. Hasil akurasi dari algoritma naive bayes mengalami peningkatan akurasi sebesar 1,5486% pada dataset primary tumor, 2,0443% pada dataset house vote, dan 1,5486% pada dataset primary tumor

Naive bayes classifier is one of the methods in datamining that aim to build a classification model using a datasset to determine the class. In some previous studies the naive bayes algorithm had a poor degree of accuracy in the accuracy of classification results. This is affected by features used often irrelevant and has a low influence on classifications. The problem was used by the feature selection process, so in this research it USES one selection feature that is a rough set. a selection feature is then classified using a naive bayes classifier algorithm. The datasset used on this study is a datasset for the primary tumor, the cancer's house of vote and breast acquired from the uci machine learning retruths. The accurate results of the naive bayes algorithm have increased accuracy of 1.5486% on the primary's datasset tumour, 2.0443% on the house's datasset vote, and 1.5486% on the primary's datasset tumor.