Analisis dan Perbandingan Algoritma Naive Bayes dan C4.5 dalam Klasifikasi Daging Sapi Terbaik

Abstract

Data mining adalah sebuah metode untuk mengekstraksi pola data berdasarkan bentuknya yaitu seperti klasifikasi, dalam pohon, regresi, clustering dan sebagainya. Untuk melakukan proses data mining dapat dilakukan dengan dataset dan ditraining untuk mendapatkan pola datanya yang kemudian dapat diproses dengan algoritma. Adapun masalah yang terdapat pada penelitian ini adalah masih sulitnya dalam memilih daging sapi yang masih segar dan terjaga kualitasnya, hal ini dikarenakan ada daging sapi yang di tambah dengan pengawet atau bahan tambahannya, dan kualitasnya tidak bagus (rusak) beredar. Pada penelitian ini, teknik klasifikasi pada data mining diterapkan guna menentukan daging sapi yang terbaik dengan membandingkan algoritma Naive Bayes dan C4.5 Penelitian ini menggunakan data sejumlah 108 data yang bersumber dari Dinas Peternakan Dan Pertanian Provsu sebagai data primer. Adapun klasifiikasi daging yang digunakan adalah sangat segar, segar, dan tidak segar. Kriteria yang digunakan dalam mengklasifikasi adalah warna daging, tekstur, aroma dan lemak. Penelitian ini menggunakan Confusion Matrix sebagai pertimbangan dalam menganalisis keakuratan dari kedua algoritma. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes Bayes memiliki performa yang lebih baik daripada C4.5 berdasarkan akurasi, presisi, dan recall. Metode Naive Bayes menghasilkan akurasi yang hampir sempurna (99%) dengan presisi dan recall yang optimal (100%). Sementara itu, meskipun C4.5 memiliki presisi yang tinggi (100%), akurasi dan recall-nya lebih rendah dibandingkan dengan Naive Bayes.