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.