JUSTIN (Jurnal Sistem dan Teknologi Informasi)
Vol 12, No 2 (2024)

Analisis Klasifikasi 7 Jenis Dry Beans dengan Penerapan Metode Naïve Bayes

Liantoni, Febri (Unknown)
Sukmaningrum, Agy Hafidzah (Unknown)
Qurin, Milani Tanya (Unknown)
Putri, Nanditya Vianti (Unknown)



Article Info

Publish Date
30 Apr 2024

Abstract

Penelitian ini dimaksudkan untuk mengklasifikasikan jenis Dry Beans dengan menggunakan algoritma Naïve Bayes dengan bantuan alat analisis data RapidMiner. Dataset yang terlibat mencakup sejumlah atribut, termasuk Area, Perimeter, MajorAxisLength, MinorAxisLength, AspectRation, Eccentricity, ConvexArea, EquivDiameter, Extent, Solidity, Roundness, Compactness, ShapeFactor2, ShapeFactor3, ShapeFactor4, serta atribut target Class yang menunjukkan jenis Dry Beans. Dataset ini dibagi menjadi dua bagian: data training sebanyak 9528 data dan data uji sebanyak 4083 data. Hasil penelitian menunjukkan bahwa model klasifikasi Naïve Bayes berhasil mencapai tingkat akurasi sebesar 90.01% dalam mengklasifikasikan jenis Dry Beans. Hasil ini menandakan bahwa model tersebut memiliki kemampuan yang baik dalam membuat prediksi yang sesuai dengan data asli. Dengan demikian, analisis ini diharapkan dapat memberikan kontribusi dalam identifikasi, manajemen, dan pemanfaatan jenis-jenis Dry Beans secara efisien.

Copyrights © 2024






Journal Info

Abbrev

justin

Publisher

Subject

Computer Science & IT

Description

JUSTIN aims to publish research results and thoughts among academics, researchers, scientists, and practitioners in the field of informatics/computer science so that they are freely available to the public, and support the exchange of knowledge. The scope of JUSTIN is but is not limited to the ...