PERBANDINGAN METODE NAÃVE BAYES DAN EQUIVALENCE CLASSES DALAM MENENTUKAN STRUKTUR BAYESIAN NETWORK
DOI:
https://doi.org/10.31961/positif.v6i2.995Keywords:
bayesian network, umkm, klasifikasiAbstract
Bayesian Network merupakan model yang termasuk dalam klasifikasi bayes, dimana metode ini mengasumsikan bahwa nilai variabel independen memiliki ketergantungan dengan nilai variabel lain. Bayesian Network memiliki keunggulan yaitu dapat memodelkan hubungan antar variabel dengan menggunakan graf atau semacam penggambaran alur hubungan antar variabel. Terdapat beberapa metode yang digunakan untuk menentukan struktur bayesian network. Metode pembentukan struktur jaringan Bayesian network pada penelitian ini adalah metode naïve bayes dan equivalence classes. Kedua metode pembentukan struktur ini diterapkan untuk klasifikasi kelayakan peminjaman dana Usaha Kecil Mikro Menengah (UMKM). Pada struktur metode naïve bayes variabel dependen menjadi pusat dari variabel independen sedangkan pada struktur metode equivalence classes setiap variabel memiliki hubungan antar variabel lain. Hasil pengujian dari metode naïve bayes dan equivalence classes dalam pembentukan struktur Bayesian network secara rata-rata adalah metode equivalence classes 79,53% dan naïve bayes 80,93%.
Downloads
References
Jiawei Han, M. K. (2012). Data Mining Concepts and Techniques Third Edition. Dalam M. K. Jiawei Han, Data Mining Concepts and Techniques Third Edition (hal. 394-397).
Purwadi, I. (2009). Penerapan Bayesian Network Dalam Penetapan Daerah Tertinggal. Penerapan Bayesian Network Dalam Penetapan Daerah Tertinggal.
Prasetyo, E. (2012). Data Mining: Mengolah Data Menjadi Informasi Menggunakan Matlab. Yogyakarta: CV.ANDI.
Jouffe. (2008). BayesiaLab Online Help. Diambil kembali dari BayesiaLab: http://www.bayesia.com/Result_Analysis//B ayesiaLab-_satisfaction-_poll-_analysis_BA K.pdf
https://www.slideshare.net/hendrikarisma/bayes-belief-network
Khoerudin, Asep, Aji Hamim Wigena, dan Anang Kurnia (2011). Analisis Tingkat Kesukaan Konsumen dengan Metode Bayesian Network (Studi Kasus Produk Biskuit).
Frendy, I. (2014). Pembentukan Model Credit Scoring Dengan Menggunakan Metode Bayesian Network: Studi Kasus Permohonan Aplikasi Kredit Pemilikan Rumah (KPR).
https://achmatim.net/2017/03/19/mengukur-kiner ja-algoritma-klasifikasi-dengan-confusion- matrix/.
https://cs.ipb.ac.id/~yeni/files/ai/Kuliah%2012% 20%20Bayesian%20Network%20print.pdf.
Downloads
Published
How to Cite
Issue
Section
License
Authors who publish with Positif : Jurnal Sistem dan Teknologi Informasi agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
This work is licensed under a Creative Commons Attribution 4.0 International License.