PERBANDINGAN METODE NAÃÂVE BAYES DAN EQUIVALENCE CLASSES DALAM MENENTUKAN STRUKTUR BAYESIAN NETWORK
DOI:
https://doi.org/10.31961/positif.v6i2.995Kata Kunci:
bayesian network, umkm, klasifikasiAbstrak
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%.
Unduhan
Referensi
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.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Penulis yang menerbitkan dengan Positif : Jurnal Sistem dan Teknologi Informasi menyetujui persyaratan berikut:
- Penulis memegang hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Lisensi Atribusi Creative Commons yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal dalam jurnal ini.
- Penulis dapat masuk ke dalam pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan.
This work is licensed under a Creative Commons Attribution 4.0 International License.