PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES UNTUK KLASIFIKASI JENIS MOBIL TERLARIS BERDASARKAN PRODUKSI DI INDONESIA

Abstract

Mobil merupakan salah satu alat transportasi yang paling banyak digunakan di Indonesia. Berdasarkan spesifikasinya, mobil memiliki berbagai varian atau jenis. Algoritma SVM  yaitu untuk mencari hyperline yang berperan sebagai pemisah 2 buah class pada input space dan  Naive Bayes merupakan salah satu metode klasifikasi yang menggunakan metode probabilitas dan statistik. Dari berbagai macam merek tersebut akan di bentuk sebuah Class, supaya produsen serta kosumen mampu untu mengenali merk dari sebuah mbil yang sangat terlaris di produksi berdasarkan output ataupun kategorinya GAIKINDO merupakan Gabungan Industri Kendaraan Bermotor Indonesia. Data yang diambil adalah data tahun 2021 dengan data berjumlah 574 data 25 atribut, untuk memudahkan riset sehingga atribut pada penggunaan 8 termasuk satu atribut kelas dengan penambagan peneliti supaya mempermudahkan untuk pencarian jumlah produksi mobil terbanyak.Temuan analisis dengan menggunakan metode SVM melalui RapidMiner mendapatkan nilai accuracy 96,52%, nilai precision 94,87% dan nilai recall100%.Hasil analisis dengan menggunakan metode Naive Bayes melalui RapidMiner mendapatkan nilai akurasi 97,39%, nilai presisi 97.33% dan nilai recall98,65%. Hasil accuracyNaive Bayes lebih tinggi dari SVM, yaitu 97,39%. Hasil precisionNaiveBayes mendapatkan skor lebih tinggi dari SVM, yaitu 97,33%. Sedangkan hasil recall SVM lebih tinggi dari NaiveBayes, yaitu 100%.