Klasifikasi Penggunaan Daya Listrik Rumah Tangga dengan Metode Naive Bayes

Putri, An Nisa Ziah (2019) Klasifikasi Penggunaan Daya Listrik Rumah Tangga dengan Metode Naive Bayes. Skripsi thesis, STIKOM Dinamika Bangsa Jambi.

[img] Text
BAB I.pdf

Download (233kB)
[img] Text
BAB II.pdf
Restricted to Registered users only

Download (171kB)
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (133kB)
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (382kB)
[img] Text
BAB V.pdf

Download (798kB)
[img] Text
BAB VI.pdf

Download (87kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (157kB)

Abstract

Data mining merupakan sebuah teknik dari beberapa bidang ilmu untuk menemukan hubungan yang tidak diketahui sebelumnya di dalam gudang data sehingga menjadi suatu informasi yang dapat digunakan kemudian. Penggunaan listrik yang tidak bijak tentu saja akan berdampak pada tingginya penggunaan listrik, untuk itu diharapkan setiap masyarakat memahami upaya dalam menggunakan listrik dengan bijak. Oleh karena itu penulis melakukan analisis data mining pada data-data penggunaan listrik tersebut agar dapat mengetahui mana daya listik dengan kategori kecil, sedang dan besar. Penulis menggunakan data-data kuesioner penggunaan listrik sebanyak 200 data yang kemudian disajikan kedalam format arff. Dalam melakukan analisis penulis menggunakan alat bantu Tools WEKA. Metode yang di gunakan adalah metode klasifikasi Naive Bayes dengan persentasi akurasi terbesar diperoleh dengan menggunakan Use Training Set Correctly yaitu sebesar 80,5% , menggunakan 5-Fold Cross Validation Correctly sebesar 75%, dan menggunakan 10-Fold Cross Validation sebesar 74%. Sedangkan hasil seleksi atribut menggunakan algoritma classifier attribute evaluation (ClassifierAttributeEval) dinyatakan bahwa atribut yang paling berpengaruh terhadap klasifikasi penggunaan daya listrik adalah Barang-barang Elektronik.

Item Type: Thesis (Skripsi)
Subjects: Artificial Intelligence
Divisions: Skripsi > Teknik Informatika > 2019
Depositing User: Digital Library
Date Deposited: 07 Nov 2019 02:14
Last Modified: 07 Nov 2019 02:14
URI: http://repository.unama.ac.id/id/eprint/1070

Actions (login required)

View Item View Item