Studi Perbandingan Metode Naive Bayes dan Linear Discriminant Analysis Untuk Permasalahan Klasifikasi

Abstract

Pemanfaatan teknologi tidak bisa lepas dari kehidupan manusia saat ini. Berbagai macam teknologi tersebut salah satunya seperti komputer atau laptop sangat penting dalam membantu urusan pengolahan data. Ada banyak metode yang dapat digunakan dalam melakukan pengolahan data. Salah satu metodenya disebut dengan klasifikasi. Permasalahan yang dibahas pada kasus kali ini yaitu membandingkan klasifikasi LDA dan Naive Bayes berdasarkan jumlah data, fitur dan kelas pada dataset yang berbeda dengan tujuan untuk menganalisis tingkat keakurasian pada setiap metode klasifikasi, kemudian akan dilihat metode klasifikasi yang lebih akurat berdasarkan bentuk dan jenis data yang telah diklasifikasi sebelumnya. Pengklasifikasian data menggunakan algoritma metode LDA dan Naive Bayes dengan keluarannya berbentuk matriks kekeliruan (Confusion Matrix) dan tingkat keakuratan agar dapat dibandingkan diantara klasifikasi tersebut. Pada dataset obesity, metode klasifikasi LDA mampu memprediksi 391 dari 423 data dengan tingkat akurasi 92,2%, sedangkan metode klasifikasi Naive Bayes hanya dapat memprediksi 307 dari 528 data dengan tingkat akurasi 58,1%. Pada dataset wine, terdapat 35 data prediksi pada klasifikasi LDA dengan tingkat akurasi 97,2% dan 44 data prediksi pada klasifikasi Naïve Bayes dengan tingkat akurasi 97,7% serta hanya satu data yang tidak dapat diprediksi dari setiap klasifikasi. Dengan demikian, dapat disimpulkan bahwa klasifikasi LDA memiliki tingkat keakuratan yang lebih baik dibandingkan klasifikasi Naive Bayes.