By : Robby Sulistyawan B, Tri Ginanjar Laksana, Rima Dias Ramadhani
Permasalahan pada penelitian
ini berdasarkan keberlanjutan dari penelitian sebelumnya oleh Putri Rizqiyah
yang dari saran penelitiannya dikatakan bahwa memiliki kelemahan, yaitu belum optimalnya
tahapan preprocessing pada dataset #CitraDPR dan belum diketahuinya
hasil akurasi, precision, recall, dan f-measure antara K-Nearest
Neighbor dan Naïve Bayes setelah dataset dioptimalkan di tahap preprocessing.
Dengan adanya permasalahan tersebut sehingga dibuat penelitian ini yang
bertujuan untuk optimalisasi tahap preprocessing pada dataset #CitraDPR
dan untuk mengetahui hasil akurasi, precision, recall,
dan f-measure antara K-Nearest Neighbor dan Naïve Bayes setelah
dataset dioptimalkan di tahap preprocessing. Dari hasil penelitian ini setelah dataset
dioptimalkan di tahap preprocessing mendapatkan hasil hasil akurasi sebesar 89,30% pada k=7 untuk K-Nearest
Neighbor dan sebesar 87,5% pada k=2 untuk Naïve Bayes. Untuk precision
yang didapatkan sebesar 84% dan 97% pada k=7 untuk K-Nearest Neighbor,
89% pada k=9 dan 93% pada k=7 untuk Naïve Bayes, selanjutnya recall
yang didapatkan sebesar 97% dan 81% pada k=7 untuk K-Nearest Neighbor,
94% pada k=7 dan 90% pada k=1 untuk Naïve Bayes. Sedangkan f-measure
yang didapatkan sebesar 90% dan 88% pada k=7 untuk K-Nearest Neighbor, serta
89% pada k=9 dan 87% pada k=2 untuk Naïve Bayes.
Kata Kunci: Akurasi, F-Measure, K-Nearest Neighbor, Optimalisasi, Naïve Bayes, Precision, Preprocessing, Recall
Kesimpulan
Pada penelitian ini dapat disimpulkan
beberapa hal diantaranya adalah sebagai berikut:
1.
Pengoptimalan yang telah dilakukan pada tahap preprocessing
dalam penelitian ini berpengaruh terhadap hasil akurasi, precision, recall,
dan f-measure dimana pembuktian tersebut berdasarkan perbandingan hasil
antara dataset sebelum dioptimalkan dengan dataset setelah dioptimalkan.
2.
Hasil yang diprediksi oleh K-NN dan Naïve Bayes telah mencapai
lebih dari 80%, hal tersebut terbukti berdasarkan akurasi yang didapatkan pada
penelitian ini diketahui mendapatkan akurasi sebesar 89,30%
pada k=7 untuk K-NN dan sebesar 87,5%
pada k=2 untuk Naïve Bayes. Untuk precision yang didapatkan
sebesar 84% dan 97% pada k=7 untuk K-NN,
89% pada k=9 dan 93% pada k=7 untuk Naïve Bayes, selanjutnya recall
yang didapatkan sebesar 97% dan 81% pada k=7 untuk K-NN, 94% pada k=7 dan 90% pada k=2 untuk Naïve Bayes.
Sedangkan f-measure yang didapatkan sebesar 90% dan 88% pada k=7 untuk K-NN, sedangkan 89% pada k=9 dan 87% pada k=2
untuk Naïve Bayes.
Saran
Berdasarkan
hasil penelitian ini terdapat beberapa saran yang diberikan untuk penelitian
selanjutnya adalah sebagai berikut:
1.
Diharapkan
bisa melakukan penelitian selanjutnya menggunakan bahasa pemrograman JAVA dan
bandingkan dengan penelitian ini yang menggunakan bahasa pemrograman Python
untuk mengetahui apakah hasilnya berbeda atau sama.
2.
Melakukan
penelitian klasifikasi dengan menggunakan algoritma klasifikasi yang lainnya
seperti Neural Network atau Support Vector Machine.
No comments:
Post a Comment