Articles

Found 1 Documents
Search
Journal : Lontar Komputer

OPTIMASI NAIVE BAYES DENGAN PEMILIHAN FITUR DAN PEMBOBOTAN GAIN RATIO Socrates, I Guna Adi; Akbar, Afrizal Laksita; Akbar, Mohammad Sonhaji; Arifin, Agus Zainal; Herumurti, Darlis
Lontar Komputer Vol. 7, No. 1 April 2016
Publisher : Research institutions and Community Service, University of Udayana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/LKJITI.2016.v07.i01.p03

Abstract

Naïve Bayes merupakan salah satu metode data mining yang umum digunakan dalam klasifikasi dokumen berbasis text. Kelebihan dari metode ini adalah algoritma yang sederhana dengan  kompleksitas  perhitungan  yang  rendah.  Akan  tetapi,  pada  metode  Naïve  Bayes terdapat kelemahan dimana sifat independensi dari fitur Naïve Bayes tidak dapat selalu diterapkan sehingga akan berpengaruh pada tingkat akurasi perhitungan. Maka dari itu, metode Naïve Bayes perlu dioptimasi dengan cara pemberian bobot mengunakan Gain Ratio. Namun, pemberian bobot pada Naïve Bayes menimbulkan permasalahan pada penghitungan probabilitas setiap    dokumen, dimana fitur  yang tidak  merepresentasikan kelas  yang diuji banyak muncul sehingga terjadi kesalahan klasifikasi. Oleh karena itu, pembobotan Naïve Bayes   masih   belum   optimal.   Paper   ini mengusulkan  optimasi  metode   Naïve   Bayes mengunakan pembobotan Gain Ratio yang ditambahkan dengan metode pemilihan fitur pada kasus klasifikasi teks. Hasil penelitian ini menunjukkan bahwa optimasi metode Naïve Bayes menggunakan pemilihan fitur dan pembobotan menghasilkan akurasi sebesar 94%.