<![CDATA[Klasifikasi pada beberapa jenis bunga merupakan salah satu permasalahan yang sangat klasik dalam topik penelitian yang sering menjadi studi kasus dalam analis data. Dataset Iris ini merupakan dataset yang populer dengan adanya informasi morfologi bunga iris, ada empat atribut numerik yaitu panjang sepal,lebar sepal, panjang petal, dan lebar petal. Dataset ini juga memiliki tiga kelas spesies bunga yaitu: Iris setosa, Iris versicolor, dan Iris virginica. Penelitian ini bertujuan untuk mengklasifikasikan spesies bunga iris. Pendekatan Probabilitas Gaussian Naive Bayes, yang terdiri parameter mean dan standar devisiasi yang menggunakan untuk mengklasifikasikan spesies bunga iris. Metode ini dipilih karena mampu menangani permasalahan pada data numerik dengan asusmsi pada distribusi yang standar untuk setiap fitur. Penelitian ini menghitung proses pengolahan data, dan perhitungan parameter statistik dan juga penerapan model klasifikasi untuk menentukan kelas spesies pada bunga. Hasil dari prediksi estimasi diagram Gaussian Naive Bayes menunjukkan pada golongan Iris – setosa dengan jumlah data 10, Iris- versicolor dengam jumlah data 8,5 , dan yang terakhir iris – virginica dengan jumlah data 10,5. Pada Diagram hasil label asli data uji menunjukan spesies iris pada Iris- setosa dengan jumlah data 10, Iris – Versicolor 8,5 dan Iris – Virginica 10,5 hasilnya sama dengan prediksi estimasi diagram Gaussian Naive Bayes. Sedangkan hasil diagram akurasi prediksi, menunjukkan hasil prediksi menyatakan benar dengan jumlah data 30 sedangkan diargram hasil akurasi salah dengan jumlah data 0 dan akurasi bernilai 100%. Hasil penelitian ini menunjukkan bahwa Metode Gaussian Naive Bayes memberikan hasil kinerja klasifikasi yang cukup baik dan stabil pada data iris. Peneliti berharap dapat menjadi referensi untuk pengembangan lebih lanjut dalam penelitian basis data lanjut. Serta dapat memberikan gambaran penerapan probabilistik dalam analisis klasifikasi data.]]>
