Claim Missing Document
Check
Articles

Found 2 Documents
Search

Sistem Pendukung Keputusan Pemilihan Makanan Untuk Diet Menggunakan Algoritma Naive Bayes Classifier Choirul Anam; Siti Maesaroh; Yohakim Benedictus Samponu
POSITIF : Jurnal Sistem dan Teknologi Informasi Vol 4 No 1 (2018): POSITIF : Jurnal Sistem dan Teknologi Informasi
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/positif.v4i1.434

Abstract

Sebagian besar orang menginginkan memiliki berat badan yang ideal. Salah satu jalan yangditempuh adalah melakukan diet. Diet yang baik dengan mengatur takaran seimbang dari makananyang dikonsumsi. Yang rumit pada diet yaitu menghitung jumlah asupan makanan dan mengaturkomposisi kandungannya agar memenuhi takaran seimbang. Aplikasi komputer dengan algoritma datamining merupakan sebuah solusi yang dapat membantu mempermudah dalam menentukan kategorimakanan diet bagi seseorang. Dalam penelitian ini digunakan algoritma Naïve Bayes dan dibangunsebuah software untuk mengkalkulasi data training yang ada. Kata Kunci: diet, makanan, Naïve Bayes, software, klasifikasi Abstract Most people want to have the ideal weight. One way to go is to diet. A good diet by adjusting abalanced dose of food consumed. The complicated in the diet is to calculate the amount of food intakeand adjust the composition of the content to meet balanced doses. Computer applications with datamining algorithms is a solution that helps simplify the diet category for a person. In this study usedNaïve Bayes algorithm and built in a computer software to calculate existing training data. Keywords: diet, food, Naïve Bayes, software, classification
Perbandingan Kinerja Algoritma C4.5 dan Naive Bayes untuk Klasifikasi Penerima Beasiswa Choirul Anam; Harry Budi Santoso
Energy - Jurnal Ilmiah Ilmu-Ilmu Teknik Vol 8 No 1 (2018): Jurnal ENERGY Vol. 8 No. 1 Edisi Mei 2018
Publisher : Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penentuan penerima beasiswa harus mempertimbangkan multifaktor sebagai penentu untuk memastikan bahwa pihak penerima memang layak mendapatkan beasiswa. Metode data mining untuk klasifikasi dapat digunakan untuk membantu meningkatkan kecepatan dan ketepatan dalam penentuan penerima beasiswa. Perbandingan kinerja algoritma C4.5 dan Naive Bayes bertujuan untuk mengukur tingkat akurasi dan lama waktu proses (execution time) dari masing-masing algoritma untuk mendapatkan algoritma terbaik yang akan diterapkan dalam membantu proses penentuan penerima beasiswa. Penelitian menggunakan data sekunder berupa daftar pemohon dan penerima beasiswa sebagai data set yang memiliki enam faktor penentu, yaitu semester, IPK, prestasi ko/ekstra kurikuler, penghasilan orang tua, beban biaya listrik dan jumlah tanggungan orang tua. Pengujian dengan 10-fold cross validation sekaligus evaluasi kinerja model menggunakan tool RapidMiner. Hasil penelitian menunjukkan tingkat akurasi model algoritma C4. 5sebesar 96.40% lebih baik dari tingkat akurasi model algoritma Naive Bayes sebesar 95.11%, sedangkan waktu proses dari kedua model algoritma yang diteliti menunjukkan hasil 0 s. Hal ini disebabkan jumlah data set yang terlalu sedikit untuk dapat mengidentifikasi perbedaan waktu proses antar kedua model algoritma.Kata Kunci: klasifikasi data mining, C4.5, Naive Bayes