PERBANDINGAN METODE ALGORITMA C4.5 DAN NAÏVE BAYES PADA KARYAWAN TERBAIK BADAN PENGHUBUNG KALIMANTAN TENGAH

• RUDYANTO

---

ABSTRAK

ABSTRAK

Penelitian ini menjawab model mana yang lebih akurat apakah C4.5 atau Naive Bayes, serta pengembangan dari algoritma. Tujuan dari penelitian ini adalah untuk membandingkan algoritma yang paling akurat dalam penentuan klasifikasi pada data. Mengetahui nilai tingkat akurasi, precision dan recall-nya, dari algoritma C4.5 dan Naïve Bayes terhadap data penilaian karyawan terbaik di Badan Penghubung Kalimantan Tengah. Metode yang digunakan pada penelitian ini adalah penerapan Algoritma C4.5 dan Naïve Bayes pada karyawan terbaik di Badan Penghubung Kalimantan Tengah. Hasil performa akurasi, presisi, recall maupun AUC, nilai AUC dari table 4.8 dikalikan 100%, sehingga tampak metode Naïve Bayes menghasilkan performa yang lebih baik. Nilai akurasi, presisi, dan Recall dari penggunaan metode Naïve Bayes masing-masing bernilai 98,10%, 100,00% dan 77,78% dengan AUC 0,889 88,90%. Untuk metode C4.5 Nilai akurasi, presisi, dan Recall adalah 95,24%, 83,33%, 88,89% dengan AUC 0,816 81,60%. Naïve Bayes memiliki performa yang lebih baik dibandingkan dengan prediksi kinerja yang menggunakan metode C4.5 dengan memperhatikan nilai AUC sebagai nilai kunci untuk mengetahui nilai uji diagnostik terbaik secara umum agar meminimalisir resiko. Nilai akurasi, presisi dan recall metode C4.5 dan Naïve Bayes yang dihitung menggunakan Cross Validation menghasilkan nilai akurasi: 95,24%, presisi: 83,33%, recall: 88,89% sedangkan untuk metode Naïve Bayes: akurasi: 98.10%, presisi: 100.00%, recall: 77,78%. Dari rata-rata uji Cross Validation tersebut dilihat bahwa metode Naïve Bayes memiliki keakurasian dan kepresisian lebih tinggi dibanding metode Naïve Bayes namun dari segi recall C4.5 lebih unggul.

Kata Kunci: Data mining; Klasifikasi, Algoritma C4.5, Algoritma Naïve Bayes, Rapid Miner

KATA KUNCI

Algoritma C-4.5

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1] R. Hesananda, “Algoritma Klasifikasi Bibit Terbaik untuk Tanaman Keladi Tikus,” Penerbit NEM, 2021.

[2] N. L. W. Sri Rahayu Ginantra, F. Nur Afifah, and D. Hadi Wijaya, Anggi, “Data Mining dan Penerapan Algoritma - Google Books,” Yayasan Kita Menulis, 2021.

[3] B. S. Hasugian, “Metode Association Rule - Google Books,” Undhar Press, 2020.

[4] E. Buulolo, “Data Mining Untuk Perguruan Tinggi,” DeePublish, p. 91, 2020, Accessed: Jun. 20, 2022. [Online].

[5] Mustika; and Y. dkk Ardhilla, “Data Mining Dan Aplikasinya - Google Books,” Widina Bhakti Persada Bandung, 2021.

[6] M. Afandi, “Data Mining Pengelompokan Data untuk Informasi dan Evaluasi - Google Books,” Duta Media Publishing, 2017.

[7] A. Wanto, M. N. Hasan Siregar, and Dkk, “Data Mining?: Algoritma dan Implementasi - Google Books,” Yayasan Kita Menulis, 2021.

[8] E. A. dkk Novia, “Sistem Perbandingan Algoritma K-Means Dan Naïve Bayes,” Kreative Indsutri Nusantara, 2020..

[9] J. Indriyanto, “Algoritma K-Nearest Neighbor Untuk Prediksi Nasabah Asuransi,” 2021.

[10] M. Fadhli, “Data Mining Dengan Python Untuk Pemula,” Guepedia, 2020.

[11] A. Andoyo, E. Yunaeti Anggraeni, A. Khumaidi, and Dkk, “Sistem Pendukung Keputusan Konsep, Implementasi & Pengembangan - Google Books,” Penerbit Adab, 2021.

[12] T. Limbong, Muttaqin, A. Iskandar, and Dkk, “Sistem Pendukung Keputusan: Metode & Implementasi - Google Books,” Yayasan Kita Menulis, 2020.

[13] M. Hairul Umam et al., “Analisis Perbandingan Algoritma C4.5 Dan Algoritma Naïve Bayes Untuk Prediksi Kelulusan Mahasiswa (Studi Kasus?: Prodi Teknik Informatika Universitas Muhammadiyah Jember),” no. 1310651100, p. 5, 2017.

[14] R. Irfan Rusdi, Moh.; Adi. C, Triawan; Umilasari, “Analisis Perbandingan Algoritma C4.5 dan Algoritma Naive Bayes Untuk Mengklasifikasi Rekomendasi Penjualan Online Retail,” pp. 1–14, 2019.

[15] S. Widaningsih, “Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Naïve Bayes, Knn Dan Svm,” J. Tekno Insentif, vol. 13, no. 1, pp. 16–25, 2019, doi: 10.36787/jti.v13i1.78.

[16] Harianto; and D. Rosiyadi, “Komparasi Algortima C4.5, Naïve Bayes dan kNearest Neighbor Sebagai Sistem Pendukung Keputusan Menaikkan Jumlah 45 Peserta Didik,” J. Inform., vol. 7, no. 1, pp. 55–61, 2020, doi: 10.31311/ji.v7i1.7250.

[17] M. Ardiansyah, A. Sunyoto, and E. T. Luthfi, “Analisis Perbandingan Akurasi Algoritma Naïve Bayes Dan C4.5 untuk Klasifikasi Diabetes,” Edumatic J. Pendidik. Inform., vol. 5, no. 2, pp. 147–156, 2021, doi: 10.29408/edumatic.v5i2.3424.

[18] K. L. Kohsasih and Z. Situmorang, “Analisis Perbandingan Algoritma C4.5 dan Naïve Bayes Dalam Memprediksi Penyakit Cerebrovascular,” J. Inform., vol. 9, no. 1, pp. 13–17, 2022, doi: 10.31294/inf.v9i1.11931.

[19] Nanang, “Analisis Perbandingan Algoritma Data Mining Metode Decision Tree C4 . 5 Dengan Naïve Bayes dalam Penjurusan Siswa ( Studi Kasus MAN 1 Kota Tangerang Selatan ),” vol. 2, no. 1, pp. 44–61, 2022.

[20] Amirullah, Populasi dan Sempel. 2015.

[21] I. K. Swarjana, “Populasi-Sampel, Teknik Sampling & Bias Dalam Penelitian - Google Books,” Penerbit ANDI, 2022.

[22] R. S. Wulandari, “Data Mining (Teori dan Aplikasi RapidMiner),” p. 124, 2017. [23] D. Hanifah, C. Prianto, and R. Noviana, “Buku Laporan Rancang Bangun Aplikasi Pengambilan Keputusan Alam Pemilihan Karyawan Pada Kegiatan Akademik Perusahaan Dengan Menggunakan Perbandingan Metode Topsis dan Metode Promethee,” Kreatif, 2020.