Analisis Perbandingan Kinerja Decision Tree Dan Naive Bayes Dalam Penentuan Penyebab Kerusakan Radiator

Abstract

Abstrak

Klasifikasi dalam data mining merupakan salah satu teknik yang bertujuan untuk menempatkan objek-objek ke salah satu dari beberapa kategori yang telah di tetapkan sebelumnya. Saat ini kerusakan radiator diperiksa dengan cara manual, radiator setelah diproduksi dikirim ke customer dan dalam masa penggunaannya terkadang terjadi kerusakan.

Penelitian ini difokuskan untuk mengetahui kinerja terbaik dari beberapa algoritma klasifikasi dalam data mining yaitu decision tree J48 dan naïve bayes. Evaluasi dilakukan berdasarkan pada perbandingan tingkat akurasi dengan menggunakan true positive dan false positive dalam confusion matrix yang dihasilkan dari masing-masing algoritma serta menggunakan correct dan incorrect instance untuk mengetahui metode yang paling efisien dari kedua algoritma tersebut.

Hasil percobaan menunjukkan bahwa algoritma decision tree J48 lebih baik jika dibandingkan dengan naïve bayes sehingga dapat disimpulkan jika algoritma decision tree J48 lebih efisien untuk menyelesaikan penentuan penyebab kerusakan radiator.

Kata kunci : Kerusakan Radiator, Data Mining, Decision Tree, Naïve Bayes