Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JOISIE (Journal Of Information Systems And Informatics Engineering)
Slamet Triyanto
AMIKOM Yogyakarta
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
ANALISIS KLASIFIKASI BENCANA BANJIR BERDASARKAN CURAH HUJAN MENGGUNAKAN ALGORITMA NAÏVE BAYES Slamet Triyanto; Andi Sunyoto; M Rudyanto Arief
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 5 No 2 (2021)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v5i2.1785

Abstract

Penelitian data mining dalam berbagai aspek termasuk dalam bencana, khususnya bencana banjir terus dilakukan. Dengan adanya jumlah curah hujan dan dengan hanya terdapat 2 (dua) kelas dalam bencana banjir yakni Banjir dan Tidak Banjir, maka Naïve Bayes sangat memungkinkan untuk digunakan sebagai algoritma dalam melakukan perhitungan probability. Dengan akurasi yang baik, maka algoritma Naïve Bayes dalam peneltian ini sangat layak disandingkan dengan berbagai algoritma lainnya khususnya untuk melakukan klasifikasi dengan 2 (dua) kelas. Selain pemilihan algoritma yang tepat, penggunaan dataset yang tepat untuk dilakukan pengujian menjadikan proses mining data dapat memberikan informasi yang tepat. Pengujian menggunakan dataset yang telah diuji dengan algoritma lain sebelumnya, dijadikan pembanding sehingga diketahui dengan pola dan ciri khas dataset diperoleh informasi algoritma data mining yang tepat. Dengan demikian, peningkatan keilmuan khususnya dalam data mining dapat terus berkembang. Meskipun tidak dapat dipungkiri dataset yang tersedia perlu untuk dilakukan preprocessing data. Tahap preprocessing data ini dilakukan untuk mendapat dataset yang baik. Kemudian data melwati tahap pembagian/splitting, barulah data diolah menggunakan algoritma naïve bayes. Dalam pengujian menggunakan library dari Scikit-Learn ini ternyata Naïve mampu memberikan akurasi sebesar 79.16%. Berbeda dengan pengujian selanjutnya, Naïve Bayes diterapkan pada RapidMiner sebagai pembanding. Keluaran dari RapidMiner cukup mengejutkan karena akurasi mencapai 98,31%.
Co-Authors Andi Sunyoto M rudyanto Arief