Perbandingan Metode Naïve Bayes dan Random Forest dalam Klasifikasi Kualitas Air Sungai di Kabupaten Pekalongan

Abstract

Penelitian ini memiliki tujuan untuk mengetahui perbandingan metode Naïve Bayes dan Random Forest dalam melakukan klasifikasi kualitas air sungai di Kabupaten Pekalongan. Naïve Bayes Classifier (NBC) atau biasanya sering disebut Bayesian Classification adalah sebuah proses metode klasifikasi yang didasari dengan teorema Bayes. Teorema Bayes merupakan rumus matematika yang digunakan untuk memprediksi peluang di masa depan berdasarkan pengalaman sebelumnya yang diasumsikan bahwa atribut penentu keputusan bersifat bebas atau independent. Sedangkan Random Forest merupakan salah satu algoritma machine learning yang merupakan hasil dari pengembangan algoritma Decision Tree. Tujuan dari dikembangkannya Random Forest yaitu agar dapat meningkatkan akurasi prediksi serta dapat mengatasi masalah overfitting yang kerap kali terjadi pada decision tree. Penelitian dengan menggunakan metode Naïve Bayes maupun Random Forest telah banyak dilakukan, akan tetapi masih jarang dilakukan perbandingan antara keduanya, khususnya pada klasifikasi kualitas air sungai. Adapun penelitian ini dilakukan guna untuk membandingkan antara metode Naïve Bayes dan Random Forest untuk didapatkan nilai akurasi terbaiknya. Hasil dari penelitian menunjukkan bahwa nilai akurasi dengan menggunakan metode Random Forest lebih tinggi dibandingkan dengan menggunakan metode Naïve Bayes dalam melakukan klasifikasi kualitas air sungai di Kabupaten Pekalongan. Didapatkan nilai akurasi dengan menggunakan metode Naïve Bayes yaitu sebesar 72% sedangkan dengan menggunakan metode Random Forest yaitu sebesar 95%. Berdasarkan hasil akurasi tersebut, maka dapat disimpulkan bahwa metode Random Forest lebih tepat dan akurat dalam melakukan klasifikasi kualitas air sungai di Kabupaten Pekalongan.