Penerapan Algoritma Naïve Bayes Dengan Feature Selection Pada Data Penjualan Konstruksi

Fajar Muji Anto; Lintang Setiaji Abimanyu; Tazkiyah Herdi

doi:10.22441/fifo.2023.v15i2.002

Penerapan Algoritma Naïve Bayes Dengan Feature Selection Pada Data Penjualan Konstruksi

Fajar Muji Anto, Lintang Setiaji Abimanyu, Tazkiyah Herdi

Abstract

Dalam jasa konstruksi, penerapan machine learning kerap digunakan pada proses pengolahan data yang berjumlah besar, salah satu contoh dari penerapan machine learning adalah menggunakan algoritma machine learning untuk mengklasifikasi data - data penjualan dari sebuah perusahaan yang hasil akhirnya berupa informasi untuk digunakan sebagai landasan pengambilan keputusan. Dalam classification data penerapan metode algoritma naïve bayes banyak digunakan karena hanya membutuhkan jumlah data pelatihan yang sedikit untuk menentukan parameter dalam proses classification. PT. Maju Jaya Makmur Sejahtera adalah perusahaan yang bergerak di bidang digital transformation di sektor jasa konstruksi. Berdasarkan hasil wawancara, masalah yang terdapat pada PT. Maju Jaya Makmur Sejahtera adalah banyaknya data client untuk konsultasi yang sebanyak kurang lebih 700 baris, menyebabkan sulitnya untuk mendapatkan informasi yang relevan sehingga diperlukannya analisis data dalam menentukan keputusan di PT. Maju Jaya Makmur Sejahtera. Hasil dari processing dan klasifikasi Algoritma Recursive Feature Elimination menyeleksi 10 fitur dataset menjadi total 6 fitur dan secara keseluruhan, akurasi yang didapatkan dari model algoritma naïve bayes sebesar 88%, precision 87%, recall 85%, dan F1-score 86%. Hasil Klasifikasi dapat dikatakan cukup bagus, tapi memiliki kekurangan dari segi atribut dataset sehingga menghasil skor rata rata dibawah 90%

Full Text:

PDF

References

N. Deepa, J. Sathya Priya, and T. Devi, “Towards applying internet of things and machine learning for the risk prediction of COVID-19 in pandemic situation using Naïve Bayes classifier for improving accuracy,” Mater Today Proc, vol. 62, pp. 4795–4799, 2022, doi: 10.1016/j.matpr.2022.03.345.

Valentinus Fernando, Sujono Fabian, Ariansyah Ilham, and Capah Dwi Ade Handayani, “IMPLEMENTATION OF DATA MINING WITH CLASSIFICATION AND FORECASTING METHOD USE MODEL GAUSSIAN NAÏVE BAYES FOR BUILDING STORE (STUDI CASE: TB SINAR JAYA),” Jurnal Teknik Informatika, vol. 4, no. 2, 2023.

Yoga Religia and A. Amali, “Perbandingan Optimasi Feature Selection pada Naïve Bayes untuk Klasifikasi Kepuasan Airline Passenger,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 3, pp. 527–533, Jun. 2021, doi: 10.29207/resti.v5i3.3086.

I. Romli, Fairuz Kharida, and Chandra Naya, “Determination of Customer Satisfaction of Tax Service Office Services Using C4.5 and PSO,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 4, no. 2, pp. 296–302, Apr. 2020, doi: 10.29207/resti.v4i2.1718.

Ş. Özlem and O. F. Tan, “Predicting cash holdings using supervised machine learning algorithms,” Financial Innovation, vol. 8, no. 1, p. 44, Dec. 2022, doi: 10.1186/s40854-022-00351-8.

A. Ambarwari, Q. Jafar Adrian, and Y. Herdiyeni, “Analysis of the Effect of Data Scaling on the Performance of the Machine Learning Algorithm for Plant Identification,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 4, no. 1, pp. 117–122, Feb. 2020, doi: 10.29207/resti.v4i1.1517.

A. Nugroho and Y. Religia, “Analisis Optimasi Algoritma Klasifikasi Naïve Bayes menggunakan Genetic Algorithm dan Bagging,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 3, pp. 504–510, Jun. 2021, doi: 10.29207/resti.v5i3.3067.

Y. Astuti, Yova Ruldeviyani, Faris Salbari, and Aldiansah Prayogi, “Sentiment Analysis of Electricity Company Service Quality Using Naïve Bayes,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 7, no. 2, pp. 389–396, Mar. 2023, doi: 10.29207/resti.v7i2.4627.

B. S. Prakoso, D. Rosiyadi, H. S. Utama, and D. Aridarma, “Klasifikasi Berita Menggunakan Algoritma Naïve Bayes Classifer Dengan Seleksi Fitur Dan Boosting,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 3, no. 2, pp. 227–232, Aug. 2019, doi: 10.29207/resti.v3i2.1042.

Dores Ardiansyah and Herdi Tazkiyah, “Arsitektur Enterprise untuk Lembaga Swadaya Masyarakat berdasarkan The Open Group Architecture Framework (TOGAF) (Enterprise Architecture for Non-Governmantal Organization based on The Open Group Architecture Framework (TOGAF)),” IPTEK-KOM, vol. 23, no. 2, pp. 155–168, 2021.

I. Ilhamsyah, A. Y. Rahman, and I. Istiadi, “Klasifikasi Kualitas Biji Kopi Menggunakan MultilayerPerceptron Berbasis Fitur Warna LCH,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 6, pp. 1008–1017, Dec. 2021, doi: 10.29207/resti.v5i6.3438.

Kade Bramasta Vikana Putra, I Putu Agung Bayupati, and Dewa Made Sri Arsa, “Klasifikasi Citra Daging Menggunakan Deep Learning dengan Optimisasi Hard Voting,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 4, pp. 656–662, Aug. 2021, doi: 10.29207/resti.v5i4.3247.

Evi Purnamasari, D. P. Rini, and Sukemi, “Feature Selection using Particle Swarm Optimization Algorithm in Student Graduation Classification with Naïve Bayes Method,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 4, no. 3, pp. 469–475, Jun. 2020, doi: 10.29207/resti.v4i3.1833.

H. Xie, L. Zhang, C. P. Lim, Y. Yu, and H. Liu, “Feature Selection Using Enhanced Particle Swarm Optimisation for Classification Models,” Sensors, vol. 21, no. 5, p. 1816, Mar. 2021, doi: 10.3390/s21051816.

P. Arsi, R. Wahyudi, and R. Waluyo, “Optimasi SVM Berbasis PSO pada Analisis Sentimen Wacana Pindah Ibu Kota Indonesia,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 2, pp. 231–237, Apr. 2021, doi: 10.29207/resti.v5i2.2698.

A. Septiarini, Rizqi Saputra, Andi Tejawati, and Masna Wati, “Deteksi Sarung Samarinda Menggunakan Metode Naïve Bayes Berbasis Pengolahan Citra,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 5, pp. 927–935, Oct. 2021, doi: 10.29207/resti.v5i5.3435.

A. I. S. Azis, Budy Santoso, and Serwin, “LL-KNN ACW-NB: Local Learning K-Nearest Neighbor in Absolute Correlation Weighted Naïve Bayes for Numerical Data Classification,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 4, no. 1, pp. 28–36, Feb. 2020, doi: 10.29207/resti.v4i1.1348.

N. Umar and M. Adnan Nur, “Application of Naïve Bayes Algorithm Variations On Indonesian General Analysis Dataset for Sentiment Analysis,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 6, no. 4, pp. 585–590, Aug. 2022, doi: 10.29207/resti.v6i4.4179.

M. Guntur, J. Santony, and Y. Yuhandri, “Prediksi Harga Emas dengan Menggunakan Metode Naïve Bayes dalam Investasi untuk Meminimalisasi Resiko,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 2, no. 1, pp. 354–360, Apr. 2018, doi: 10.29207/resti.v2i1.276.

Budiyanto Arif and Dwiasnati Saruni, “The Prediction of Best-Selling Product Using Naïve Bayes Algorithm,” International Journal of Computer Techniques, vol. 5, no. 6, pp. 68–74, 2018.

D. M. Tarigan, Dian Palupi Rini, and Samsuryadi, “Feature Selection in Classification of Blood Sugar Disease Using Particle Swarm Optimization (PSO) on C4.5 Algorithm,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 4, no. 3, pp. 569–575, Jun. 2020, doi: 10.29207/resti.v4i3.1881.

DOI: http://dx.doi.org/10.22441/fifo.2023.v15i2.002

Refbacks

There are currently no refbacks.

Jurnal Ilmiah FIFO

	Print ISSN: 2085-4315
	Online ISSN: 2502-8332

Sekretariat
Fakultas Ilmu Komputer
Universitas Mercu Buana
Jl. Raya Meruya Selatan, Kembangan, Jakarta 11650
Tlp./Fax: +62215871335

http://publikasi.mercubuana.ac.id/index.php/fifo

e-mail:[email protected]

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

View My Stats

Username
Password
Remember me