Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JREC (Journal of Electrical and Electronics)
Retno Nugroho Whidhiasih
Universitas Islam 45
Electrical & Electronics Engineering

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

Found 1 Documents
Search

 1 
Model Naïve Bayes dan Decision Tree untuk Prediksi Penerimaan Spesifikasi Mobil Retno Nugroho Whidhiasih
JREC (Journal of Electrical and Electronics) Vol 10 No 2 (2022): JREC (Journal of Electrical and Electronics)
Publisher : Program Studi Teknik Elektro Fakultas Teknik Universitas Islam 45 Bekasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33558/jrec.v10i2.5600

Abstract

Mobil merupakan kebutuhan setiap orang sebagai alat transportasi. Seseorang yang telah berkeluarga akan mempunyai kebutuhan yang lebih terhadap sebuah mobil, terlebih jika mempunyai keluarga besar. Jika mempunyai keluarga besar, memilih sebuah mobil yang tepat untuk keluarga sangatlah penting, dan banyak hal yang harus diperhatikan dalam memilih sebuah mobil. Ketepatan memilih mobil untuk suatu keluarga besar akan berpengaruh terhadap pemenuhan semua kebutuhan transportasi dari setiap anggota keluarga. Dalam penelitian ini dilakukan evaluasi terhadap variabel-variabel yang dipertimbangkan dalam memilih sebuah mobil, yaitu berdasarkan harga beli, biaya maintenance, faktor kenyamanan yang meliputi jumlah pintu, kapasitas orang yang bisa diangkut, ukuran bagasi dan perkiraan keamanan mobil dari data car evaluation. Evaluasi penerimaan dilakukan dengan melakukan prediksi penerimaan menggunakan algoritma naïve bayes dan decision tree classifier. Output dari evaluasi ini adalah penerimaan terhadap variabel-variabel yang dipertimbangkan dalam memilih sebuah mobil tersebut, yang dikategorikan kedalam empat kelas kategori, yaitu unacc, acc, good dan vgood. Kedua algoritma classifier tersebut menghasilkan kinerja yang berbeda, Naïve bayes menghasilkan akurasi 84,1% dan decision tree menghasilkan akurasi yang lebih tinggi yaitu 91,91%.
Co-Authors