Perbandingan Algoritma C4.5, KNN, dan Naive Bayes untuk Penentuan Model Klasifikasi Penanggung jawab BSI Entrepreneur Center

Abstract

BSI Entrepreneur Center adalah salah satu wadah yang bergerak dalam bidang kewirausahaan dilingkungan Universitas Bina Sarana Informatika dengan tujuan membentuk mahasiswa yang ingin menjadi seorang wirausaha. Saat ini BSI Entrepreneur Center telah memiliki penanggung jawab pada masing-masing kampus Universitas Bina Sarana Informatika. Tetapi karyawan yang ada saat ini belum dapat memenuhi kebutuhan sebagai penanggung jawab BSI Entrepreneur Center untuk ditempatkan pada masing-masing kampus Universitas Bina Sarana Informatika. Oleh karena itu, diperlukan suatu sistem untuk menemukan sumber daya manusia yang layak untuk menjadi penanggung jawab BSI Entrepreneur Center pada masing-masing kampus Universitas Bina Sarana Informatika. Penelitian ini menggunakan data primer sebanyak 300 record yang terdiri dari 12 atribut dengan metode algoritma C.45, KNN dan Naive Bayes untuk mengklasifikasikan karyawan yang sesuai dengan kriteria yang ada. Dan hasil dari penelitian ini adalah saran dari karyawan yang layak menjadi penanggung jawab BSI Entrepreneur Center pada masing-masing kampus Universitas Bina Sarana Informatika dengan metode Naive Bayes yang memiliki akurasi tinggi 80%.

Analisis Perbandingan Akurasi Algoritma Naïve Bayes Dan C4.5 untuk Klasifikasi Diabetes

“…Dalam penelitian sebelumnya mengenai penyakit diabetes telah banyak dilakukan penelitian seperti algoritma K-Nearest Neighbour(KNN) untuk klasifikasi penyakit diabetes (Indrayanti et al, 2017), diagnosa diabetes menggunakan Bayesian Regularization Neural Network (Rahman et al, 2017), klasifikasi penyakit diabetes menggunakan algoritma Backpropagation (Brian, 2017), perbandingan algoritma C4.5, KNN dan Naïve Bayes untuk klasifikasi penanggung jawab BSI Entrepreneur Center (Hasan et al, 2018) dan penelitian yang membandingkan beberapa algoritma data mining menggunakan dataset pasien diabetes yang tersedia di Kaggle dengan format .csv terbitan Ishan Dutta sebanyak 520 data dan 17 kolom. Sehingga penelitian yang akan dibuat menggunakan dataset penelitian sebelumnya yang akan dibagi menjadi beberapa skenario berbeda dan algoritma Naïve Bayes dan C4.5 sebagai algoritma yang akan dibandingkan.…”

“…Hasil perbandingan tersebut berbeda dengan penelitian yang dilakukan (Hasan et al, 2018) yang membuktikan algoritma Naïve Bayes adalah yang terbaik dibandingkan C4.5. Hal tersebut dapat dipengaruhi oleh studi kasus yang berbeda, atribut yang digunakan, dan jumlah data yang dikelolah.…”

Sistem Diagnosis Penyakit Jantung Koroner Dengan Menggunakan Algoritma C4.5 Berbasis Website (Studi Kasus: RSUD Dr. Soedarso Pontianak)

“…Penelitian ini menggunakan proses data mining. Data mining adalah sebuah proses, sehingga dalam melakukan prosesnya harus sesuai prosedur yaitu proses CRISP-DM (Cross-Industry Standard Process for Data Mining) [7][8] [9] [10] [11].…”

Sistem Pendukung Keputusan Untuk Pemilihan Vendor Berdasarkan Evaluasi Kinerja Menggunakan Metode Naïve Bayes (Studi Kasus: PT. PLN (Persero) Unit Pelaksana Pembangkitan Bukittinggi)

“…Dalam modeling, penulis mengklasifikasikan data menggunakan metode Naive Bayes [15]. Berikut adalah nilai-nilai probabilitas dari perhitungan Naïve Bayes: a) Atribut A1…”