IMPLEMENTASI METODE NAÏVE BAYES UNTUK KLASIFIKASI DATA BLOGGER

Nur Widiastuti - [ https://orcid.org/0000-0003-4126-9973 ]
Arief Hermawan
Donny Avianto


DOI: https://doi.org/10.29100/jipi.v8i3.3713

Abstract


Di era teknologi yang modern seperti saat ini peluang kerja sebagai blogger cukup banyak diminati. Para blogger me-manfaatkan situs blog baik yang gratis maupun berbayar untuk menulis artikel. Hal tersebut menyebabkan pengguna situs blog semakin meningkat. Diantara para blogger ada yang menjadi blogger professional dan ada juga yang menjadi blog-ger musiman untuk menulis artikel pada blog. Penelitian ini meneliti blogger mana yang masuk dalam kategori blogger professional atau blogger musiman. Penelitian ini mengklasifikasi data blogger yang diambil dari UCI Machine Learning dengan jumlah data sebanyak 100 data kemudian diuji menggunakan Metode Naïve Bayes. Adapun tool yang digunakan untuk penelitian adalah Rapidminer untuk mengklasifikasi blogger professional atau blogger musiman. Penelitian ini menghasilkan akurasi sebesar 76,27% atau meningkat 1,27 % dibandingkan penelitian sebelumnya dan hasil classification error sebesar 23,73%. Sedangkan class recall sebanyak 12 fold, hal ini dapat diartikan penelitian menggunakan correla-tion matrix dan cross validation dengan number of fold 12 menghasilkan nilai akurasi yang lebih baik dari penelitian sebelumnya.

Keywords


Data mining; Klasifikasi; Naïve Bayes; algoritma; Blogger

Full Text:

PDF

Article Metrics :

References


R. A. Anggraini, G. Widagdo, A. S. Budi, and M. Qomaruddin, “Penerapan Data Mining Classification untuk Data Blogger Menggunakan Metode Naïve Bayes,” J. Sist. dan Teknol. Inf., vol. 7, no. 1, p. 47, 2019, doi: 10.26418/justin.v7i1.30211.

M. S. Syarah, M. Wati, and N. Puspitasari, “Klasifikasi Penderita ISPA Menggunakan Metode Naive Bayes Classifier,” vol. 1, pp. 8–15, 2022.

D. Suryani, A. Yulianti, E. L. Maghfiroh, and J. Alber, “Quality Classification of Palm Oil Products Using Naïve Bayes Method,” Siste-masi, vol. 11, no. 1, p. 251, 2022, doi: 10.32520/stmsi.v11i1.1713.

F. D. S. Harahap, “Dampak Pandemi Covid-19 Terhadap Masyarakat Khususnya Dunia Ketenagakerjaan,” vol. 2019, 2020.

O. Pahlevi and A. Amrin, “Data Mining Model For Designing Diagnostic Applications Inflammatory Liver Disease,” SinkrOn, vol. 5, no. 1, p. 51, 2020, doi: 10.33395/sinkron.v5i1.10589.

A. Fadilah, M. N. Pangestu, S. Lumbanbatu, and S. Defiyanti, “Pengelompokan Kabupaten/Kota Di Indonesia Berdasarkan Faktor Penyebab Stunting Pada Balita Menggunakan Algoritma K-Means,” JIKO (Jurnal Inform. dan Komputer), vol. 6, no. 2, p. 223, 2022, doi: 10.26798/jiko.v6i2.581.

H. F. Putro, R. T. Vulandari, and W. L. Y. Saptomo, “Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan,” J. Teknol. Inf. dan Komun., vol. 8, no. 2, 2020, doi: 10.30646/tikomsin.v8i2.500.

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

L. N. Rani, “Klasifikasi Nasabah Menggunakan Algoritma C4.5 Sebagai Dasar Pemberian Kredit,” INOVTEK Polbeng - Seri Inform., vol. 1, no. 2, p. 126, 2016, doi: 10.35314/isi.v1i2.131.

A. L. Maukar, F. Marisa, and A. A. Widodo, “Analisis Data Penerimaan Mahasiswa Baru Berbasis K-Means,” JIKO (Jurnal Inform. dan Komputer), vol. 6, no. 2, p. 142, 2022, doi: 10.26798/jiko.v6i2.558.