Perbandingan Metode Artificial Neural Network (Ann) Dan Naive Bayes Dalam Klasifikasi Kualitas Udara Provinsi Dki Jakarta
Abstract
Penelitian ini bertujuan untuk mengetahui perbandingan metode ANN dan Naive
Bayes dalam klasifikasi kualitas udara Provinsi DKI Jakarta. ANN merupakan
metode dengan konsep klasifikasi yang mirip dengan cara kerja jaringan otak pada
manusia, yaitu berdasarkan contoh pembelajaran sebelumnya. Sedangkan Naive
Bayes merupakan metode klasifikasi berdasarkan teorema Bayes, dimana
perhitungannya didasarkan pada teori probabilitas dan statistik. Penelitian ANN
maupun Naive Bayes telah banyak dilakukan, namun masih jarang yang melakukan
perbandingan kedua metode tersebut khususnya untuk klasifikasi kualitas udara.
Adapun penelitian ini dilakukan dengan membandingkan ukuran ketepatan
klasifikasi yang dihasilkan oleh metode ANN dan Naive Bayes baik dengan data
resampling ataupun tanpa resampling untuk pengatasan kelas imbalanced. Hasil
penelitian menunjukkan bahwa akurasi metode ANN tanpa resampling lebih tinggi
dibanding ANN dengan resampling, Naive Bayes, maupun Naive Bayes dengan
resampling yaitu masing-masing sebesar 95,77%, 87,32%, 85,92%, dan 84,55%.
Berdasarkan hasil akurasi tersebut, maka didapatkan bahwa metode ANN tanpa
resampling lebih tepat digunakan untuk klasifikasi kualitas udara Provinsi DKI
Jakarta. Penggunaan teknik resampling SMOTE untuk pengatasan kelas
imbalanced tersebut tidak dapat meningkatkan nilai akurasi, namun dapat
meningkatkan nilai ketepatan lainnya yakni nilai recall, spesifitas, dan G-Mean
yang lebih tinggi dibanding sebelum pengatasan kelas imbalanced.
Collections
- Statistics [899]