Perpustakaan Digital ITB

Naive Bayes (NB) merupakan salah satu metode klasifikasi data, jenis dari Bayesian Network (BN) yang paling sederhana (naive). Namun dengan kesederhanaan ini, NB dapat memberikan akurasi hasil klasifikasi yang sama memuaskannya dengan metode klasifikasi lain yang memerlukan proses lebih kompleks untuk membangun model klasifikasinya. Tugas Akhir ini mengkaji faktor-faktor kesederhanaan metode klasifikasi NB. Analisis dititikberatkan pada faktor kesederhanaan NB, yang dikaitkan dengan performansi dan akurasi NB, untuk selanjutnya dibandingkan dengan metode klasifikasi lain yaitu General Bayesian Network (GBN) dan Decision Tree (DT). Perbandingan mencakup tahapan konstruksi model klasifikasi dilengkapi dengan perbandingan kompleksitas menggunakan notasi O-Besar. Hipotesa analisis menunjukkan bahwa kesederhanaan NB disebabkan oleh adanya asumsi independen, sehingga kompleksitas pembangunan model klasifikasi NB menjadi rendah. Untuk menguji keakuratan klasifikasi, digunakan perangkat lunak yang berbeda untuk setiap metode, yaitu NBC untuk metode NB, Bromo Classifier untuk GBN algoritma TPDA dan program C4.5 untuk DT. Pengujian dibatasi hanya untuk data yang seluruhnya bernilai kategorik dan tidak mengandung nilai kosong. Hasil pengujian akurasi menunjukkan bahwa ketiga metode menghasilkan tingkat akurasi memuaskan. Kesimpulan dari Tugas Akhir ini adalah walaupun NB merupakan jenis BN sederhana melalui asumsi independennya, namun akurasi yang dihasilkan sama memuaskan dengan metode klasifikasi lain yang konstruksinya lebih kompleks (dengan rata-rata tingkat akurasi > 90%). Sedangkan dari hasil perbandingan performansi, didapatkan bahwa metode NB memberikan performansi paling baik dengan kompleksitas sebesar O(n2) dibandingkan dengan GBN (O(n2 log n2)) dan DT (O(nm)).