Perbandingan Klasifikasi Bahasa Menggunakan Metode Naïve Bayes Classifier (NBC) Dan Support Vector Machine (SVM)

Abstract

Tingginya animo masyarakat muslim Indonesia untuk mendaftar haji ditandai dengan meningkatnya jumlah pendaftar haji dari tahun ke tahun. Hal ini menyebabkan antrian keberangkatan haji semakin panjang termasuk bagi Jemaah Haji lanjut usia. Undang-Undang Nomor 8 Tahun 2019 tentang Penyelenggaraan Ibadah Haji dan Umrah mengamanatkan memberikan prioritas kuota persentase tertentu bagi Jemaah Haji lanjut usia untuk berangkat haji. Permasalahan yang terjadi adalah belum adanya data prediksi pendaftar haji lanjut usia setiap tahun yang digunakan sebagai salah satu pertimbangan penetapan kuota bagi Jemaah Haji lanjut usia agar tidak terlalu lama menunggu. Penelitian ini bertujuan membangun model jaringan syaraf tiruan backpropagation yang tepat untuk memprediksi jumlah pendaftar haji lanjut usia. Penelitian dilakukan dengan mengubah jumlah node hidden layer untuk mendapatkan model terbaik, penelitian menggunakan data pendaftar haji lanjut usia periode tahun 2004 sampai dengan 2019. Data dibagi menjadi 2 bagian yaitu data latih (2004 sampai dengan 2014) dan data uji (2009 sampai dengan 2019). Berdasarkan hasil pelatihan, model yang terbaik adalah 10-7-1 dengan nilai MSE sebesar 0,000998514, nilai MAPE sebesar 9,8% dan akurasi sebesar 90,20%. Hasil prediksi pendaftar haji lanjut usia tahun 2020 dengan menggunakan model 10-7-1 adalah 5.124 pendaftar haji lanjut usia. Dengan dibangunnya model prediksi pendaftar haji lanjut usia maka pengambil kebijakan mudah mendapatkan data prediksi jumlah pendaftar haji lanjut usia setiap tahun dan hasil prediksi dapat digunakan untuk menetapkan kuota bagi Jemaah Haji lanjut usia sehingga antrian keberangkatan bagi Jemaah Haji lanjut usia tidak terlalu lama. Kata kunci: pendaftar, jemaah haji, lanjut usia, jaringan syaraf tiruan backpropagation

Analisis Sentimen Customer Feedback Tokopedia Menggunakan Algoritma Naïve Bayes

“…Selain itu, algoritma Naïve Bayes memiliki akurasi yang relatif tinggi meskipun memiliki data latih yang sedikit. Secara umum rumus naïve bayes yang dipakai sebagai berikut [11]:…”

Model Prediksi Kelulusan Mahasiswa Tepat Waktu dengan Metode Naïve Bayes

“…Dan P(A) adalah probabilitas sebelumnya, yaitu probabilitas hipotesis sebelum mengamati bukti. Sedangkan P(B) adalah probabilitas marginal yang merupakan probabilitas bukti (Tuhenay, 2021). Tahapan klasifikasi metode bayes pada penelitian ini mengacu kepada gambar 2.…”

Klasifikasi Ulasan Pengguna Aplikasi: Studi Kasus Aplikasi Ipusnas Perpustakaan Nasional Republik Indonesia (PNRI)

“…Naïve Bayes (NB) adalah algoritma klasifikasi yang dapat melakukan penentuan nilai kemungkinan untuk prediksi peluang berdasarkan data dari pemelajaran pola sebelumnya dan dapat mengelompokkan suatu dokumen data pada sebuah sistem [21]. Metode NB dipilih untuk penelitian ini karena memiliki nilai akurasi tinggi, sederhana, dan perhitungan yang cepat [30].…”

“…Algoritma Support Vector Machine (SVM) merupakan algoritma pembagian data yang telah diketahui sebelumnya berdasarkan klasifikasinya untuk menguji tingkat akurasi data dalam sistem, serta membagi data bersifat non linier dan memisahkan titik vektor menggunakan hyperline [21]. Algoritma SVM juga menghasilkan nilai akurasi terbaik pada penelitian terdahulu [21]. Oleh karena itu, penelitian ini juga menerapkan algoritma SVM.…”

“…Penelitian ini menerapkan metode Natural Language Processing (NLP) yang merupakan cabang dari teknologi machine learning atau artificial intelligence [21], berfungsi untuk mempelajari pengelolaan bahasa komunikasi alami antara manusia satu dengan manusia lainnya [21]. Penelitian terdahulu tentang klasifikasi ulasan pengguna salah satu aplikasi mobile di Google Playstore terhadap 438 kalimat ulasan.…”