KOMPARASI PENERAPAN ALGORITMA NAÏVE BAYES DAN KNN UNTUK KLASIFIKASI BAKTERI E. COLI

Arrela, Ikraam (2024) KOMPARASI PENERAPAN ALGORITMA NAÏVE BAYES DAN KNN UNTUK KLASIFIKASI BAKTERI E. COLI. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (80kB)
	Text BAB II.pdf Restricted to Registered users only Download (387kB)
	Text BAB III.pdf Restricted to Registered users only Download (103kB)
	Text BAB IV.pdf Restricted to Registered users only Download (819kB)
	Text BAB V.pdf Download (88kB)
	Text DAFTAR PUSTAKA.pdf Download (232kB)

Abstract

Bakteri Escherichia Coli (E. Coli) merupakan suatu bakteri yang termasuk dalam famili Enterobacteriaceae dimana E Coli terdapat dalam usus dalam mempertahankan kesehatan sistem pencernaan dan memiliki hubungan pada proses pembekuan darah. Bakteri seperti E. coli menciptakan organisasi struktural yang kompleks dan berisikan membran sel dan membran plasma pada sel bakteri yang berperan mengatur zat-zat di dalam dan di luar sel. Masing-masing atribut memiliki peran dalam mendeteksi sinyal protein melalui membran-membran. Pada penelitian ini menggunakan data membran tersebut menjadi class distribution untuk diklasifikasikan dengan pengolahan data mining. Dataset bakteri E.Coli merupakan dataset public yang terdapat pada website UCI Repository yang berisikan 8 atribut dan class distribution. Algoritma yang digunakan untuk pegolahan data mining ini yaitu Naïve Bayes dan KNN (K- Nearest Neighbor) dengan metode klasifikasi. Pengolahan data mining menggunakan sejumlah proses klasifikasi yaitu pre-processing dengan tiga tahap (data selection, data cleaning dan data transformation) menggunakan RapidMiner, visualisasi data dengan RapidMiner dan hasil evaluasi matriks menggunakan RapidMiner dan Excel. Hasil evaluasi matiks algoritma Naïve Bayes dan KNN untuk klasifikasi dataset bakteri E.Coli dapat dilihat bahwa tingkat matrik tertinggi yaitu algoritma KNN menggunakan tools RapidMiner dengan nilai akurasi 85.71% (5-fold cross validation), 87.50% (10-fold cross validation) serta rata-ratanya 86.60%. Sedangkan algoritma naïve bayes menggunakan tools RapidMiner dengan nilai akurasi 80.95% (5-fold cross validation), 80.95% (10-fold cross validation) serta rata-ratanya 80.95%. Untuk excel sendiri tingkat matrik tertinggi yaitu algoritma KNN dengan nilai akurasi 85.71% sedangkan algoritma naïve bayes yaitu 80.95%.

Actions (login required)

View Item