PENERAPAN METODE KOMBINASI NAIVE BAYES DAN K NEAREST NEIGHBOR (cNK) DALAM ANALISIS KLASIFIKASI

Diah Ayu Setyaningsih, Prof. Dr. rer. nat. Dedi Rosadi, M.Sc

2019 | Skripsi | S1 STATISTIKA

Metode Naive Bayes dan K Nearest Neighbor memiliki kelemahan yang berlawanan. Metode Naive Bayes memiliki kelemahan dalam mengatasi atribut dengan tipe data numerik. Sedangkan K Nearest Neighbor memiliki kelemahan dalam mengatasi atribut dengan tipe data kategorik. Metode kombinasi Naive Bayes dan K Nearest Neighbor (cNK) adalah sebuah metode yang bertujuan meningkatkan performa dari kedua metode penyusunnya, yakni Naive Bayes dan K Nearest Neighbor, dengan menutupi kelemahan dari masing-masing metode. Dari hasil analisis dengan menggunakan tiga buah data set yang berbeda diperoleh kesimpulan bahwa metode cNK memiliki akurasi yang lebih tinggi dibandingkan dengan metode Naive Bayes dan K Nearest Neighbor.

Naive Bayes and K Nearest Neighbor method have opposite weakness. The weakness of Naive Bayes method is to deal with numerical attributes. While the weakness of K Nearest Neighbor is to deal with categorical attributes. Combination Naive Bayes and K Nearest Neighbor (cNK) method is a method that has a goal to improve the performance of both Naive Bayes and K Nearest Neighbor method by covering both method's weakness. In the case study, three different datasets are used. The conclusion from the analysis is cNK method has greather accuracy than Naive Bayes and K Nearest Neighbor method.

Kata Kunci : Naive Bayes, K Nearest Neighbor, cNK, akurasi, klasifikasi