Uji Komparasi Algoritma Naïve Bayes dan Decision Tree Classification Menggunakan Covid-19 Dataset

Abstract

Corona virus yang saat ini terjadi menjadikan perubahan tatanan hidup dalam masyarakat baik di Indonesia maupun luar negeri. Corona virus atau disebut dengan Covid-19 telah banyak memakan korban dari berbagai usia. Oleh karena itu, diperlukan penerapan sistem otomatis dalam sistem deteksi untuk mencegah penyebaran COVID-19 di antara orang-orang. Kecerdasan buatan dapat merupakan alat yang dominan dalam perang melawan krisis COVID-19. Kecerdasan buatan memiliki subdomain seperti machine learning. Mechine learning (ML) dapat membantu dalam mendiagnosis dan memprediksi COVID-19. Dataset Covid-19 sebagai kasus yang digunakan dalam analisis untuk mengkaji perbandingan antar algoritma dalam pembelajaran mesin. Komparasi dilakukan terhadap algoritma Naïve Bayes dan algoritma Decision Tree Classification berdasarkan feature importance yang dimiliki kedua algoritma tersebut. Uji komparasi ini penting agar kedepannya penelitian dapat berjalan lebih baik dengan mengetahui algoritma yang sesuai dan dapat membantu dalam penyelesaian masalah yang akan datang. Dalam penentuan fitur digunakan dua teknik yaitu correlation matrix dan feature importance. Correlation matrix menunjukkan nilai total cases tertinggi dalam korelasi dengan fitur lainnya. Berdasarkan penelitian yang telah dilakukan terhadap data Covid-19 global, algoritma Decision Tree lebih baik dibanding dengan algoritma Naïve Bayes.