Komparasi Akurasi Naïve Bayes dan Support Vector Machine (SVM) untuk Rekomendasi Produk in Fashion Dress

Nancy Ria Silvani Huaturuk, Huaturuk and Rima Dias Ramadhani, Ramadhani and Dwi Januarita AK, Januarita (2018) Komparasi Akurasi Naïve Bayes dan Support Vector Machine (SVM) untuk Rekomendasi Produk in Fashion Dress. Proceedings on Conference on Electrical Engineering, Telematics, Industrial Technology, and Creative Media, 1. pp. 169-174. ISSN 978-602-53004-0-0

Preview

Text 169-174.pdf Download (802kB) | Preview

Abstract

Data mining atau penemuan pengetahuan adalah prosedur menggunakan teknik statistik dan berbasis pengetahuan untuk menganalisis data dengan pola tambang yang memiliki makna dari kumpulan data yang luas dan mengubahnya menjadi informasi bermanfaat. Pada data mining terdapat beberapa metode dalam data mining salah satunya adalah klasifikasi. Klasifikasi merupakan salah satu teknik data mining yang digunakan untuk membangun suatu model dari sampel data yang belum terklasifikasi untuk digunakan mengklasifikasi sampel data baru ke dalam kelas-kelas yang sejenis. Pada penelitian ini digunakan metode klasifikasi Naive Bayes dan SVM untuk melakukan klasifikasi pada data rekomendasi produk dress. Naïve Bayes digunakan karena memiliki kelebihan diantaranya adalah algoritma sederhana tapi memiliki akurasi yang tinggi. Dan SVM juga memiliki kelebihan yaitu svm juga memiliki tingkat akurasi yang tinggi dan dapat bekerja sangat baik pada data dengan banyak dimensi dan menghindari kesulitan dari permasalahan dimensionalitas. Tools Matlab digunakan untuk melakukan proses klasifikasi pada dataset Dresses_attribute_sales yang diambil malalui UCI Repository. Hasil penelitian ini mendapatkan akurasi pada Naive Bayes sebesar 74% dan pada SVM sebesar 66%.

Actions (login required)

View Item