Implementasi Algoritma Naive Bayes Untuk Klasifikasi Zoo Berdasarkan Kategori Hewan

Sopi Marselia Dafina Putri

MULTIPLE: Journal of Global and Multidisciplinary

Klasifikasi data merupakan salah satu aplikasi utama dalam bidang ilmu komputer, khususnya dalam pendidikan berbasis kecerdasan buatan. Algoritma Naïve Bayes, yang berlandaskan pada teori Bayes dengan asumsi independensi antar variabel, merupakan salah satu metode yang sering digunakan dalam pemecahan masalah klasifikasi. Penelitian ini bertujuan untuk menerapkan algoritma Naïve Bayes pada klasifikasi dataset Zoo, yang berisi informasi tentang berbagai spesies hewan berdasarkan fitur-fitur seperti jumlah kaki, tipe tubuh, dan karakteristik fisik lainnya. Dataset yang digunakan terdiri dari 101 entri dengan 16 atribut dan 7 kelas yang mewakili kategori hewan. Model klasifikasi dikembangkan menggunakan algoritma Naïve Bayes, dengan evaluasi berdasarkan metrik akurasi, presisi, dan recall. Hasil eksperimen menunjukkan bahwa algoritma Naïve Bayes mampu mencapai akurasi sebesar 91%, dengan performa yang baik dalam mengklasifikasikan sejumlah besar kelas dengan benar. Temuan ini menunjukkan bahwa Naïve Bayes merupakan metode klasifikasi yang efektif dan efisien, terutama dalam menangani data dengan fitur diskrit serta tidak memerlukan proses pelatihan yang kompleks.