Penerapan Data Mining Classification untuk Data Blogger Menggunakan Metode Naïve Bayes

Recha Abriana Anggraini, Galih Widagdo, Arief Setya Budi, M Qomaruddin

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 prediksi
no 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%.


Keywords


Naïve Bayes; Data Mining; Klasifikasi; Blogger; Rapid Miner

Full Text:

PDF

References


]Ardiyansyah, Rahayuningsih, P. A., & Maulana. R., (2018). Analisis Perbandingan Algoritma Klasifikasi Data Mining Untuk Dataset Blogger Dengan Rapid Miner, VI(1), 20–28.

]Darmawan, A., Kustian, N., Rahayu, W., & Tabebuya. (2018). Implementasi Data Mining Menggunakan Model Svm, 2(3), 299–307.

]Hermawati, Fajar Astuti. (2013). Data Mining. Yogyakarta: Andi Offset

]Kusrini, Luthfi, Emha Taufiq. (2013). Algoritma Data Mining. Yogyakarta: Andi Offset

]Moriesta, E., & Ibrahim, A. (2017). Analisis Penyaringan Email Spam Menggunakan Metode Naive Bayes, 3(1), 45–48.

]Pratiwi Riszki Wijayatun, N. Y. S. (2016). Prediksi Rating Film Menggunakan Metode Naïve Bayes. Jurnal Teknik Elektro (ISSN 1411-0059), 8(2), 60–63. https://doi.org/10.7454/global.v19i1.136

]Saleh, A., & Nasari, F. (2018). Penggunaan Teknik Unsupervised Discretization pada Metode Naive Bayes dalam Menentukan Jurusan Siswa Madrasah Aliyah. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(3), 353. https://doi.org/10.25126/jtiik.201853705

]Sari, F., & Saro, D. (2018). Jurnal Penelitian Pos Dan Informatika Keluarga Berencana Di Kecamatan Dumai Timur Implementation Of Algorithm C4.5 To Determining Location Priority Counseling Family Planning Program In East Dumai Abstrak, 8(1), 63–76. Https://Doi.Org/10.17933/Jppi.2018.080105

]Jeremy, A., Christanti, V., & Mulyawan, B. (2018). Opinion Mining Untuk Ulasan Produk Dengan Klasifikasi Naive Bayes. Jurnal Ilmu Komputer Dan Sistem Informasi, 6(1), 9.

]Murdiansyah, A. O., & Siswanto, S. (2018). Algoritma Naive Baiyes Classsifier Pada Aplikasi Data Mining Berbasis WEB. SKANIKA, 1(1), 284-290.




DOI: http://dx.doi.org/10.26418/justin.v7i1.30211

Refbacks



Copyright (c) 2019 Jurnal Sistem dan Teknologi Informasi (JUSTIN)

ara komputer View My Stats
Creative Commons License
All article in Justin is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License