Penerapan Data Mining Classification untuk Data Blogger Menggunakan Metode Naïve Bayes

Abstract

Jumlah pengguna situs blogger yang semakin meningkat menyebabkan perlu dilakukan pengklasifikasian data untuk mengetahui pengguna tersebut masuk dalam kategori pengguna blogger professional atau bukan. Sebagai referensi terkait penelitian ini adalah penelitian yang sudah dilakukan oleh peneliti sebelumnya. Teknik pengklasifikasian pemodelan deskriptif dan prediktif dengan algoritma data mining yaitu menggunakan metode naïve bayes. Untuk mengelola data digunakan software rapid miner studio 6.0, dataset blogger diperoleh dari website UCI Machine learning Repository, Perhitungan performance vector menunjukkan akurasi klasifikasi metode Naive bayes diperoleh sebesar 86.67%. Sedangkan class precision dan class recall untuk prediksi yes menunjukkan tingkat precision sebesar 91.30% dan untuk prediksino sebesar 71.43%. Hasil klasifikasi dari data blogger dengan metode naïve bayes membagi 2 kelas klasifikasi PB yaitu class yes dan class no. Untuk nilai class yes yaitu 0.680 dan nilai class no yaitu 0.320. Dari hasil pengolahan data dapat diketahui bahwa tingkat akurasi pengklasifikasian data blogger mencapai 86.67%.

Implementasi Teori Naive Bayes Dalam Klasifikasi Calon Mahasiswa Baru Stmik Kharisma Makassar

“…(1) dimana X menunjukkan class yang belum diketahui, H yaitu hipotesis data, P(H|X) yaitu probabilitas hipotesis H berdasarkan X, P(H) yaitu probabilitas hipotesis H, P(X|H) yaitu probabilitas X berdasarkan hipotesis H, dan P(X) yaitu probabilitas X [11].…”

Application of Naive Bayes Algorithm to Analysis of Free Fatty Acid (FFA) Production Based on Fruit Freshness Level

“…Knowledge Discovery in Database (KDD) is a search method in obtaining knowledge in a collection of databases in a series of processes [7] [8]. The existing knowledge in the database can be used as a knowledge base to obtain a decision [8].…”

“…Data mining is in the form of classifying, predicting, estimating and obtaining information from large data sets [9]. Data mining is a process of finding new data, new patterns and new trends by selecting some data in big data stored with statistical patterns and techniques [7] [9]. Classification is one of the data analysis used to predict samples where classification techniques have begun to be applied in various fields such as machine learning, expert systems and statistics [10].…”

“…Dataset is a collection of objects and attributes in set of data [7]. The dataset consists of training data in the form of pre-existing data based on facts and testing data in the form of data that will be used as test material obtained from the training data process [7]. One of the classification algorithms in data mining is the Naïve Bayes classification algorithm.…”

“…Anggraini, Widagdo, Budi and Qomaruddin in their research in 2019 examined the application of calcification data mining on blogger data with Naïve Bayes [7]. Research related to data classification to determine whether blogger users are included in the category of professional blogger users or not.…”