Optimasi Naïve Bayes Classifier Dengan Menggunakan Particle Swarm Optimization Pada Data Iris

• Main Authors: Husin Muhamad, Cahyo Adi Prasojo, Nur Afifah Sugianto, Listiya Surtiningsih, Imam Cholissodin
• Format: Article
• Language: Indonesian
• Published: University of Brawijaya 2017-09-01
• Series: Jurnal Teknologi Informasi dan Ilmu Komputer
• Online Access: http://jtiik.ub.ac.id/index.php/jtiik/article/view/251
• ISSN: 2355-7699; 2528-6579

Abstrak Klasifikasi adalah proses identifikasi obyek kedalam sebuah kelas, kelompok, atau kategori berdasarkan karakteristik yang telah ditentukan sebelumnya. Secara singkat, klasifikasi merupakan pengelompokan obyek berdasarkan kelompoknya yang biasanya disebut dengan kelas (class). Tak hanya klasifikasi, proses pengelompokkan obyek juga dapat dilakukan dengan menggunakan teknik clustering yang merupakan pengelompokan obyek berdasarkan kemiripan antar obyek. Salah satu metode klasifikasi yang sering digunakan adalah Naïve Bayes Classifier. Menurut beberapa penelitian, Naïve Bayes Classifier memiliki beberapa kelebihan yaitu, cepat dalam proses perhitungan, algoritma yang sederhana dan akurasi yang tinggi. Namun probabilitas pada Naïve Bayes Classifier tidak bisa mengukur seberapa besar tingkat keakuratan sebuah prediksi, hasil akurasi metode ini juga masih kurang jika dibandingkan dengan metode C4.5, selain itu metode naïve bayes juga memiliki kelemahan pada seleksi atribut. Untuk menyelesaikan permasalahan tersebut, algoritma particle swarm optimization (PSO) dapat digunakan untuk melakukan pembobotan atribut untuk meningkatkan akurasi naïve bayes classifier. Kata kunci: Naïve Bayes Classifier, Particle Swarm Optimization, klasifikasi, pembobotan atribut. Abstract Classification is the process of identifying objects into a class, group or category based on the predetermined characteristics. In other words, classification is a process to group objects based on their class. Grouping objects can be done not only by classification but also by clustering, which is grouping objects according to the similarity between objects. One of the most frequently used methods for classification is Naïve Bayes Classifier. According to some researchers, Naïve Bayes methods has its strength which is a simple and fast algorithm that can acquire a high accuracy. However, the probability of Naïve Bayes methods cannot measure the level of accuracy of a prediction, the accuracy of the results of this method is still less than the C4.5 method, and Naïve Bayes method has a deficiency on the selection of attributes. To solve this problem, Particle Swarm Optimization Algorithm (PSO) can be used to give weight to attributes to improve the accuracy of Naïve Bayes Classifier. Keywords: Naïve Bayes Classifier, Particle Swarm Optimization, classification, attribute weighting.