Analisis Kinerja Algoritma Naive Bayes dalam Klasifikasi Data Kategorikal Prediksi Keputusan Bermain Tenis Berdasarkan Cuaca

Penulis

Kata Kunci:

Klasifikasi, Naive Bayes, Data Mining, RapidMiner, Prediksi Cuaca

Abstrak

Pengambilan keputusan berdasarkan faktor cuaca seringkali bersifat subjektif dan inkonsisten. Penelitian ini menerapkan metode klasifikasi data mining untuk membangun model prediksi objektif terkait keputusan bermain tenis berdasarkan kondisi cuaca.  Tujuan dari penelitian ini adalah untuk menganalisis kinerja algoritma Naive Bayes dalam memprediksi keputusan tersebut. Metodologi yang digunakan adalah penerapan algoritma Naive Bayes pada dataset klasik "Play Tennis", yang terdiri dari 14 instance dengan empat atribut prediktor kategorikal: outlook, temperature, humidity, dan wind. Proses pemodelan dan evaluasi dilakukan secara visual menggunakan platform Altair AI Studio (RapidMiner), dengan teknik validasi silang ( cross-validation) untuk menguji kestabilan model. Hasil pengujian menunjukkan tingkat akurasi rata-rata model sebesar 57.14%. Analisis lebih dalam pada confusion matrix mengungkapkan bahwa model memiliki bias yang kuat dalam memprediksi kelas 'Yes', namun sangat lemah dalam mengidentifikasi kelas 'No' (recall 20.00%). Secara spesifik, model ini menunjukkan jumlah kesalahan False Positive yang tinggi, di mana 4 dari 5 kasus 'No' salah diklasifikasikan.  Kesimpulannya, model Naive Bayes dalam konfigurasi ini belum sepenuhnya andal untuk aplikasi praktis karena kinerjanya yang bias. Penelitian ini merekomendasikan optimasi lebih lanjut, seperti penerapan teknik penyeimbangan data atau penggunaan algoritma alternatif yang lebih kompleks, untuk dapat meningkatkan performa prediksi secara signifikan.

Referensi

Amalia, A., Irma Ade Irma Purnamasari, A., & Ali, I. (2024). IMPLEMENTASI ALGORITMA C4.5 DAN NAÏVE BAYES DALAM PENGAMBILAN KEPUTUSAN UNTUK PROGRAM INDONESIA PINTAR (PIP) DI SEKOLAH DASAR NEGERI 04 MAJALANGU. In Jurnal Mahasiswa Teknik Informatika (Vol. 8, Issue 2).

Arrosyid, H. H., Pratama, Z., & Priambodo, G. (2025). Penurunan Cancellation Rate Pada City Hotel Menggunakan Metode Issue Tree. In Jurnal Komputasi dan Pengembangan Aplikasi) (Vol. 1, Issue 1). https://journals.arces.org/jukompak/

Bima, L., & Prasetya, A. (2025). Computer Based Information System Journal CLUSTERING DALAM MENENTUKAN TINDAK LANJUT HASIL ANNUAL CHECK MENTAL HEALTH DENGAN ALGORITMA K-MEANS. CBIS JOURNAL, 13(01).

http://ejournal.upbatam.ac.id/index.php/cbishttp://ejournal.upbatam.ac.id/index.php/cbis

Darmawan, G., Alam, S., Imam Sulistyo, M., Studi Teknik Informatika, P., Tinggi Teknologi Wastukancana Purwakarta, S., & Artikel, R. (2023). ANALISIS SENTIMEN BERDASARKAN ULASAN PENGGUNA APLIKASI MYPERTAMINA PADA GOOGLE PLAYSTORE MENGGUNAKAN METODE NAÏVE BAYES INFO ARTIKEL ABSTRAK. 2(3), 100–108. https://doi.org/10.55123

Hidayat, T., Siddiq, M. J., Jayasri, S., Suhendi, A., & Rizky, R. (2025). ANALISIS SENTIMEN OPINI MASYARAKAT TERHADAP PILKADA 2024 DI MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES. Jurnal Informatika Dan Teknik Elektro Terapan, 13(2). https://doi.org/10.23960/jitet.v13i2.6280

Hidayatullah, H., & Umaidah, Y. (2023). PENERAPAN NAÏVE BAYES DENGAN OPTIMASI INFORMATION GAIN DAN SMOTE UNTUK ANALISIS SENTIMEN PENGGUNA APLIKASI CHATGPT. In Jurnal Mahasiswa Teknik Informatika (Vol. 7, Issue 3).

Nurrochmah, D. S., Rahaningsih, N., Dana, R. D., & Rohmat, C. L. (2025). Jurnal Informatika Terpadu PENERAPAN ALGORITMA NAIVE BAYES DALAM ANALISIS SENTIMEN ULASAN APLIKASI KITALULUS DI GOOGLE PLAY STORE. Jurnal Informatika Terpadu, 11(1), 1–11. https://journal.nurulfikri.ac.id/index.php/JIT

Retnosari, R. (2021). ANALISIS KELAYAKAN KREDIT USAHA MIKRO BERJALAN PADA PERBANKAN DENGAN METODE NAIVE BAYES.

Sucahyo, N., Kurniati, I., Harvit, K., Studi, P., Informasi, S., Teknologi, F., & Jakarta, S. (2022). SWADHARMA (JRIS) ANALISIS SENTIMEN MASYARAKAT TERHADAP UU CIPTA KERJA PADA MEDIA SOSIAL TWITTER.

Undamayanti, E., Iman Hermanto, T., Kaniawulan, I., Studi, P., Informatika, T., Teknologi, S. T., & Purwakarta, W. (2022). Analisis Sentimen Menggunakan Metode Naive Bayes Berbasis Particle Swarm Optimization Terhadap Pelaksanaan Program Merdeka Belajar Kampus Merdeka. In Jurnal Sains Komputer & Informatika (J-SAKTI (Vol. 6, Issue 2).

Wijaya, Y. F., & Triayudi, A. (2023). Perbandingan Algoritma Klasifikasi Data Mining Pada Prediksi Penyakit Diabetes. Journal of Computer System and Informatics (JoSYC), 5(1), 165–174. https://doi.org/10.47065/josyc.v5i1.4614

Unduhan

Diterbitkan

2025-06-30

Pernyataan Ketersediaan Data

Dataset yang dianalisis dalam penelitian ini, "Play Tennis", merupakan data yang tersedia secara publik dan dapat diakses melalui platform Kaggle pada tautan berikut: https://www.kaggle.com/datasets/fredericobreno/play-tennis

Terbitan

Vol 1 No 1 (2025): Journal of Information Technology and Informatics Engineering (JITIE)

Bagian

Articles

Lisensi

Hak Cipta (c) 2025 Feriandri Lesmana, Athila Defian Rizkimu, Muhamad Ridwan Nurrulloh, Maulana Farras Fathurrahman, Abdul Habib Hasibuan, Maulana Fansyuri (Author)

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution 4.0 International License.

Creative Commons Attribution 4.0 International (CC BY 4.0).

Cara Mengutip

Feriandri Lesmana, Athila Defian Rizkimu, Muhamad Ridwan Nurrulloh, Maulana Farras Fathurrahman, Abdul Habib Hasibuan, & Maulana Fansyuri. (2025). Analisis Kinerja Algoritma Naive Bayes dalam Klasifikasi Data Kategorikal Prediksi Keputusan Bermain Tenis Berdasarkan Cuaca. Journal of Information Technology and Informatics Engineering, 1(1), 67-72. https://journal.jci.co.id/jitie/article/view/146

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 > >>