ANALISIS PERBANDINGAN ALGORITMA NAIVE BAYES DAN K-NEAREST NEIGHBOR UNTUK KLASIFIKASI MULTI DATASET

BAGUS SUSANTO, EKA (2019) ANALISIS PERBANDINGAN ALGORITMA NAIVE BAYES DAN K-NEAREST NEIGHBOR UNTUK KLASIFIKASI MULTI DATASET. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text JURNAL.pdf Download (576kB)
	Text ABSTRAK.pdf Download (427kB)
	Text PENDAHULUAN.pdf Download (521kB)
	Text BAB I.pdf Download (246kB)
	Text BAB II.pdf Restricted to Repository staff only Download (599kB)
	Text BAB III.pdf Restricted to Repository staff only Download (714kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (330kB)
	Text BAB V.pdf Restricted to Repository staff only Download (186kB)
	Text LAMPIRAN.pdf Download (2MB)
	Text 1410651097.pdf Download (315kB)

Abstract

Klasifikasi merupakan suatu pekerjaan menilai objek data untuk memasukkannya ke dalam kelas
tertentu dari sejumlah kelas yang tersedia.Pada penelitian yang saya lakukan yang berjudul “ Analisis
Perbandingan Algoritma Naive Bayes Dan K-Nearest Neighbor Untuk Klasifikasi Multi Data Set
“dengan membandingkan kedua metode antara Naive Baye dan K-Nearest Neighbor menggunakan 2
data set dengan varian jumlah data record dan atribut yang berbeda menunjukkan hasil rata-rata
akurasi untuk Algoritma K-Nearest Neighbor pada pengujian K2, k3, k4 ,k5 ,k6 ,k7 ,k8 ,k9 ,k10 dan UTS
yaitu 93,17% dan untuk naive bayes yaitu 78,38% dari rata rata akurasi pengujian tersebut Knn lebih
unggul dari naive bayes.
.
Kata kunci : Algoritma Naïve Bayes, Knn, Analisis, Klasifikasi, Perbandingan algoritma.

Contribution

Nama Dosen Pembimbing

NIDN/NIDK

UNSPECIFIED

Adi Cahyanto, Triawan

nidn0702098804

UNSPECIFIED

Umilasari, Reni

nidn0728079101

Item Type:	Thesis (Undergraduate)
Subjects:	600 Technology and Applied Science > 620 Engineering
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	rahma wahyu ningsih | ningsihrahmawahyu@gmail.com
Date Deposited:	03 Dec 2020 04:51
Last Modified:	20 Feb 2025 02:59
URI:	http://repository.unmuhjember.ac.id/id/eprint/7131

Actions (login required)

View Item