Optimasi Naïve Bayes Classifier Menggunakan Particle Swarm Optimization Pada Klasifikasi Data Penerima Bantuan Sosial

Ari Kurniawan Saputra, Wiwin Susanty, Ahmad Shaleh Kurniawan

Abstract


Klasifikasi data pada studi kasus data penerima bantuan sosial berfungsi untuk mengklasifikasi berdasarkan label atau kelas yang menjadi indikasi rekomendasi penerima bantuan social. Naive Bayes Classifier (NBC) adalah salah satu metode atau algoritma klasifikasi dalam data mining yang memiliki kecepatan tinggi. Namun, asumsi tersebut tidak selalu tepat sehingga dapat mempengaruhi tingkat keakuratan. Hal ini disebabkan oleh waktu yang lama dan akurasi prediksi yang masih belum optimal. Untuk mengatasi masalah tersebut, perlu dilakukan optimasi terhadap NBC agar dapat bekerja lebih optimal dalam berbagai kondisi dataset. Penelitian ini bertujuan untuk mengoptimalkan algoritma Naïve Bayes Classifier menggunakan Particle Swarm Optimization guna meningkatkan akurasi dalam proses klasifikasi penerima bantuan sosial. Berdasarkan pengujian optimasi Naive Bayes menggunakan PSO menghasilkan nilai optimal dari parameter model yang meningkatkan akurasi klasifikasi. Dalam pengujian dengan 10 data, PSO berhasil mengoptimalkan parameter Naive Bayes sehingga 9 dari 10 data diklasifikasikan dengan benar sebagai penerima bantuan, dan 1 data diklasifikasikan sebagai bukan penerima bantuan. Nilai fitness dari model yang dioptimalkan mendekati 0.9 (90% akurasi), menunjukkan bahwa PSO efektif dalam menyesuaikan parameter untuk meningkatkan performa Naive Bayes. Maka hal ini dapat di simpulkan bahwa penggunaan algortima PSO, model Naive Bayes menjadi lebih akurat dan andal dalam klasifikasi data, khususnya dalam konteks pengambilan keputusan untuk menentukan penerima bantuan sosial.

Keywords


Optimasi; Particle Swarm Optimization; Naïve Bayes; Klasifikasi

Full Text:

PDF

References


D. Dalbergio, M. N. Hayati, and Y. N. Nasution, “Klasifikasi Lama Studi Mahasiswa Menggunakan Metode C5.0 pada Studi Kasus Data Kelulusan Mahasiswa Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Mulawarman Tahun 2017,” Pros. Semin. Nas. Mat. Stat. dan Apl. 2019, vol. 1, no. 1, pp. 36–42, 2019.

I. Purnamasari, “Analisa Klasifikasi Loyalitas Siswa Lembaga Pendidikan Tari dengan Metode Naïve Bayes,” J. Ilm. Komputasi, vol. 19, no. 1, pp. 59–68, Mar. 2020, doi: 10.32409/jikstik.19.1.157.

S. Iskandar, N. R. Refisis, and B. A. Ginting, “Metode Naive Bayes Classifer Dalam Penentuan Penerima Beasiswa Bidikmisi Di Universitas Negeri Medan,” Karismatika, vol. 7, no. 1, pp. 10–23, 2021.

A. J. Susilo, K. K. Kustanto, and D. Remawati, “Implementasi Naïve Bayes Dalam Pemilihan Jenis Bahan Pembuatan Meja,” J. Ilm. SINUS, vol. 21, no. 1, p. 39, Jan. 2023, doi: 10.30646/sinus.v21i1.674.

E. Feronica, Y. N. Nasution, and I. Purnamasari, “Optimasi Algoritma Naïve Bayes Menggunakan Algoritma Genetika Untuk Memprediksi Kelulusan,” EKSPONENSIAL, vol. 13, no. 2, p. 147, Nov. 2022, doi: 10.30872/eksponensial.v13i2.1057.

E.- Mutiara, “Algoritma Klasifikasi Naive Bayes Berbasis Particle Swarm Optimization Untuk Prediksi Penyakit Tuberculosis (TB),” Swabumi, vol. 8, no. 1, pp. 46–58, Mar. 2020, doi: 10.31294/swabumi.v8i1.7668.

H. B. Jatmiko, N. Tedi Kurniadi, and D. Maulana, “Optimasi Naïve Bayes Dengan Particle Swarm Optimization Untuk Analisis Sentimen Formula E-Jakarta,” J. Autom. Comput. Inf. Syst., vol. 2, no. 1, pp. 22–30, Jun. 2022, doi: 10.47134/jacis.v2i1.35.

H. Setiani, A. Sunyoto, and A. Nasiri, “Metode Naïve Bayes dan Particle Swarm Optimization untuk Klasifikasi Penyakit Jantung,” EXPLORE, vol. 12, no. 2, p. 6, Jul. 2022, doi: 10.35200/explore.v12i2.566.

M. R. R. Saelan, D. A. Sahputra, W. Widiastuti, and W. Gata, “Komparasi Algoritma Klasifikasi untuk Prediksi Minat Sekolah Tinggi Pelajar pada Students Alcohol Consumption,” J. Sains dan Inform., vol. 6, no. 2, pp. 120–129, Nov. 2020, doi: 10.34128/jsi.v6i2.236.

F. Sholekhah, A. D. Putri, R. Rahmaddeni, and L. Efrizoni, “Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbors untuk Klasifikasi Metabolik Sindrom,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 2, pp. 507–514, Feb. 2024, doi: 10.57152/malcom.v4i2.1249.

A. T. Dewi Septiani, A. P. Kuncoro, P. Subarkah, and R. Riyanto, “Perbandingan Kinerja Metode Naïve Bayes Classifier dan K-Nearest Neighbor pada Analisis Sentimen Ulasan Mobile Banking Jenius,” J. Krisnadana, vol. 3, no. 2, pp. 67–77, Jan. 2024, doi: 10.58982/krisnadana.v3i2.516.

S. Shedriko and M. Firdaus, “Penentuan Klasifikasi Dengan Crisp-Dm Dalam Memprediksi Kelulusan Mahasiswa Pada Suatu Mata Kuliah,” Semnas Ristek (Seminar Nas. Ris. dan Inov. Teknol., vol. 6, no. 1, pp. 826–831, Jan. 2022, doi: 10.30998/semnasristek.v6i1.5814.

M. M. Fajar, A. R. Putri, and K. F. H. Holle, “Perbandingan Metode Klasifikasi Data Mining Untuk Deteksi Keaslian Lowongan Pekerjaan di Medsos,” J. Ilm. Inform., vol. 7, no. 1, pp. 41–48, Jun. 2022, doi: 10.35316/jimi.v7i1.41-48.

M. A. Hasanah, S. Soim, and A. S. Handayani, “Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir,” J. Appl. Informatics Comput., vol. 5, no. 2, pp. 103–108, Oct. 2021, doi: 10.30871/jaic.v5i2.3200.

M. Yamin Nurzaman and B. Nurina Sari, “Implementasi K-Means Clustering Dalam Pengelompokkan Banyaknya Jumlah Petani Berdasarkan Kecamatan Di Provinsi Jawa Barat,” J. Tek. Inform. dan Sist. Inf., vol. 10, no. 3, pp. 131–144, 2023, [Online]. Available: http://jurnal.mdp.ac.id

M. Rizki and M. Mulyawan, “Penerapan Metode K-Means Pada Data Penjualan Untuk Mendapatkan Produk Terlaris Di PT. Titian Nusantara Boga,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 2, pp. 1303–1307, Sep. 2023, doi: 10.36040/jati.v7i2.6562.

A. F. Riany and G. Testiana, “Penerapan Data Mining untuk Klasifikasi Penyakit Stroke Menggunakan Algoritma Naïve Bayes,” J. SAINTEKOM, vol. 13, no. 1, pp. 42–54, Mar. 2023, doi: 10.33020/saintekom.v13i1.352.

A. Fathiarahma, A. Voutama, T. Ridwan, and N. Heryana, “Analisis Text Mining Klasifikasi Kegiatan Keluarga menggunakan Orange dengan Metode Naive Bayes,” J. Teknol. Terpadu, vol. 9, no. 1, pp. 35–41, Jul. 2023, doi: 10.54914/jtt.v9i1.606.

D. Kurniawan, M. Sahata Sipayung, R. Ismayanti, M. Rivani Ibrahim, Y. Bintan, and S. Aulia Miranda, “Optimalisasi Strategi Pemenuhan Persediaan Stok Barang Menggunakan Algoritma Frequent Pattern Growth,” METIK J., vol. 6, no. 2, pp. 104–114, Dec. 2022, doi: 10.47002/metik.v6i2.387.

N. Ajijah and A. Kurniawan, “Klasifikasi Teks Mining Terhadap Analisa Isu Kegiatan Tenaga Lapangan Menggunakan Algoritma K-Nearest Neighbor (KNN),” J-SAKTI (Jurnal Sains Komput. Inform., vol. 7, no. 1, pp. 254–262, 2023.

Muhammad Nur Akbar, Hariani, And Asep Indra Syahyadi, “Analisis Prediksi Ketepatan Masa Studi Mahasiswa Menggunakan Algoritma Naive Bayes Classifier Dan Feature Selection,” J. Instek (Informatika Sains dan Teknol., vol. 7, no. 2, pp. 306–315, Oct. 2022, doi: 10.24252/instek.v7i2.32576.

T. Wurijanto, H. B. Setiawan, and A. B. Tjandrarini, “Penerapan Model CRISP-DM pada Prediksi Nasabah Kredit yang Berisiko Menggunakan Algoritma Support Vector Machine,” J. Ilm. Scroll (Jendela Teknol. Informasi), vol. 10, no. 1, pp. 1–6, 2022, [Online]. Available: https://univ45sby.ac.id/ejournal/index.php/informatika/article/view/291




DOI: http://dx.doi.org/10.36448/expert.v14i2.3951

Refbacks

  • There are currently no refbacks.


EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi

Published by Pusat Studi Teknologi Informasi, Fakultas Ilmu Komputer, Universitas Bandar Lampung
Gedung M Lt.2 Pascasarjana Universitas Bandar Lampung
Jln Zainal Abidin Pagaralam No.89 Gedong Meneng, Rajabasa, Bandar Lampung,
LAMPUNG, INDONESIA

Indexed by:



Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.