ANALISIS PERBANDINGAN TINGKAT AKURASI ALGORITMA NAÏVE BAYES CLASSIFIER DENGAN CORRELATED-NAÏVE BAYES CLASSIFIER

Dalam paper ini, penulis membahas tentang analisis perbandingan algoritma klasifikasi dalam data mining. Algoritma klasifikasi data mining yang akan dianalisis adalah algoritma Naive Bayes Classifier dan Correlated-Naive Bayes Classifier. Analisis perbandingan yang dimaksud adalah perbandingan tingkat akurasi dari kedua algoritma tersebut. Naive Bayes Classifier merupakan salah satu algoritma klasifikasi data mining yang berbasis pada probability value dari data set. Pola dasar Naive Bayes Classifier berbasis pada teorema bayes. Secara garis besar cara kerja Naive Bayes Classifier adalah merubah prior probability (probability awal) menjadi posterior probability (probability akhir) dengan melakukan perhitungan pada prior probability, likelihood (probability attribut) dan evidence. Correlated-Naive Bayes Classifier merupakan pengembangan dari algoritma Naive Bayes Classifier. Naive Bayes Classifier mengklasifikasikan class berdasarkan pada probability atau dengan kata lain bergantung pada frekuensi kemunculan data pada data set. Sedangkan Correlated-Naive Bayes Classifier selain berdasar pada probability attribute, juga memperhitungkan nilai korelasi masing-masing attribute terhadap class. Sehingga untuk mendapat posterior probability, Correlated-Naive Bayes Classifier memperhitungkan dua aspek yaitu tingkat kemunculan data (probability) dan tingkat hubungan attribute dengan class. Hasil dari penelitian ini adalah sebuah pengetahuan baru tentang tingkat akurasi dari algoritma Naive Bayes Classifier dan Correlated-Naive Bayes Classifier. Dengan pengetahuan tersebut kita dapat membandingkan kehandalan antara kedua algoritma tersebut yang diukur berdasarkan tingkat akurasinya