<![CDATA[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%.]]>
