ANALISA METODE NAÏVE BAYES DENGAN GAIN RATIO PADA DATA IDENTIFIKASI KACA

Alvian Alvian (Universitas Pembangunan Pancabudi,Medan)
Zulham Sitorus (Universitas Pembangunan Pancabudi,Medan)
Arpan Arpan (Universitas Pembangunan Pancabudi,Medan)

Jurnal Darma Agung
Vol 30 No 1 (2022): APRIL

Pengujian yang telah dilakukan pada semua data menunjukkan bahwa model klasifikasi Gain Ratio dapat memberikan nilai akurasi yang lebih baik karena terdapat perubahan bobot nilai atribut pada dataset yang digunakan. Nilai weighted Gain ratio digunakan untuk menghitung probabilitas pada Nave Bayes, yang merupakan parameter untuk melihat hubungan antar setiap atribut dalam data, dan digunakan sebagai dasar pembobotan setiap atribut dari dataset. Semakin tinggi rasio Gain suatu atribut, semakin besar hubungannya dengan kelas data. Sehingga nilai akurasinya meningkat dibandingkan dengan nilai akurasi yang dihasilkan oleh model klasifikasi Naïve Bayes. Peningkatan akurasi pada model klasifikasi Naïve Bayes disebabkan oleh banyaknya akurasi bobot dari pemilihan atribut pada Gain ratio.