Komparasi Naïve Bayes dan Support Vector Machine dalam Klasifikasi Jenis Citrus

Authors

  • I Wayan Pinastawa Universitas Pembangunan Nasional Veteran Jakarta
  • Nurul Afifah Arifuddin Universitas Pembangunan Nasional Veteran Jakarta

DOI:

https://doi.org/10.33633/tc.v22i2.7777

Keywords:

Citrus, Classification, Support Vector Machine, Naïve Bayes

Abstract

Citrus merupakan pohon berbunga dan tergolong dalam kelompok Rutaceae. Pohon Citrus menghasilkan buah jeruk dengan berbagai jenis buah-buahan. Karena kesamaan spesies sehingga antar jenisnya memiliki kemiripan satu sama lain, dan tidak semua dapat melakukan identifikasi secara jelas setiap jenis buahnya. Cara yang dapat dilakukan untuk melakukan identifikasi dan pengelompokan adalah menggelompokan data sesuai dengan kelas label aslinya menggunakan bantuan data mining. Pendekatan data mining yang dapat diterapkan salah satunya dengan teknik klasifikasi, dengan melakukan pengelompokan berdasarkan kriteria atau kategori tertentu. Pada hal ini, klasifikasi didasarkan pada diameter, dan citra warna Red, Green, Blue atau RGB untuk mendapatkan pengelompokan sesuai dengan kelasnya. Algoritma yang digunakan ada 2 yakni, Support Vector Machine (SVM) dan Naïve Bayes, keduanya akan dilakukan perbandingan dalam melakukan klasifikasi pengelompokan jenis buah citrus. Teknik komparasi dilakukan dengan mengamati hasil akurasi dari setiap algoritma klasifikasi, penelitian ini menyimpulkan bahwa akurasi algoritma Support Vector Machine (SVM) mencapai prosentase sebesar 96,36 % dan algoritma Naïve Bayes memiliki akurasi sebesar 92 %. Algoritma paling optimal dalam penelitian klasifikasi citrus ini adalah algortima Support Vector Machine (SVM).  

References

V. Kale, Enterprise Performance Intelligence and Decision Patterns. CRC Press, 2018.

P. H. S. Musthofa Galih Pradana, Azriel Christian Nurcahyo, “PENGARUH SENTIMEN DI SOSIAL MEDIA DENGAN HARGA SAHAM PERUSAHAAN,” J. Ilm. Edutic, vol. 6, no. 2, 2020.

P. H. S. Musthofa Galih Pradana, Dhina Puspasari Wijaya, “KOMPARASI METODE SUPPORTVECTORMACHINE DANNAÏVE BAYES DALAMKLASIFIKASI PELUANG PENYAKIT SERANGAN JANTUNG,” Indones. J. Bus. Intell., vol. 5, no. 2, pp. 87–91, 2022.

H. Tuhuteru and A. Iriani, “Analisis Sentimen Perusahaan Listrik Negara Cabang Ambon Menggunakan Metode Support Vector Machine dan Naive Bayes Classifier,” J. Inform. J. Pengemb. IT, vol. 3, no. 3, pp. 394–401, 2018, doi: 10.30591/jpit.v3i3.977.

I. Riadi, R. Umar, and F. D. Aini, “Analisis Perbandingan Detection Traffic Anomaly Dengan Metode Naive Bayes Dan Support Vector Machine (Svm),” Ilk. J. Ilm., vol. 11, no. 1, pp. 17–24, 2019, doi: 10.33096/ilkom.v11i1.361.17-24.

J. Gu and S. Lu, “An effective intrusion detection approach using SVM with naïve Bayes feature embedding,” Comput. Secure., vol. 103, p. 102158, 2021, doi: 10.1016/j.cose.2020.102158.

A. Supriyatna and W. P. Mustika, “Komparasi Algoritma Naive bayes dan SVM Untuk Memprediksi Keberhasilan Imunoterapi Pada Penyakit Kutil,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 2, no. 2, p. 152, 2018, doi: 10.30645/j-sakti.v2i2.78.

O. Arifin and T. B. Sasongko, “Analisa perbandingan tingkat performansi metode support vector machine dan naïve bayes classifier,” in Seminar Nasional Teknologi Informasi dan Multimedia 2018, 2018, vol. 6, no. 1, pp. 67–72.

H. T. Sueno, “Multi-class Document Classification using Support Vector Machine (SVM) Based on Improved Naïve Bayes Vectorization Technique,” Int. J. Adv. Trends Comput. Sci. Eng., vol. 9, no. 3, pp. 3937–3944, 2020, doi: 10.30534/ijatcse/2020/216932020.

Y. Narayan, “Comparative analysis of SVM and Naive Bayes classifier for the SEMG signal classification,” Mater. Today Proc., vol. 37, no. Part 2, pp. 3241–3245, 2020, doi: 10.1016/j.matpr.2020.09.093.

F. Fitriana, E. Utami, and H. Al Fatta, “Analisis Sentimen Opini Terhadap Vaksin Covid - 19 pada Media Sosial Twitter Menggunakan Support Vector Machine dan Naive Bayes,” J. Komtika (Komputasi dan Inform., vol. 5, no. 1, pp. 19–25, 2021, doi: 10.31603/komtika.v5i1.5185.

D. A. Kristiyanti, A. H. Umam, M. Wahyudi, R. Amin, and L. Marlinda, “Comparison of SVM Naïve Bayes Algorithm for Sentiment Analysis Toward West Java Governor Candidate Period 2018-2023 Based on Public Opinion on Twitter,” 2018 6th Int. Conf. Cyber IT Serv. Manag. CITSM 2018, no. Citsm 2018, pp. 1–6, 2019, doi: 10.1109/CITSM.2018.8674352.

K. Kaharudin, Musthofa Galih Pradana, “PREDIKSI CUSTOMER CHURN PERUSAHAAN TELEKOMUNIKASI MENGGUNAKAN NAÏVE BAYES DAN K-NEAREST NEIGHBOR,” Inf. Interaktif, vol. 4, no. 3, 2019.

M. G. Pradana and P. H. Saputro, “Komparasi Metode Naïve Bayes Dan C4.5 Dalam Klasifikasi Loyalitas Pelanggan Terhadap Layanan Perusahaan,” Indones. J. Bus. Intell., vol. 3, no. 1, p. 20, 2020, doi: 10.21927/ijubi.v3i1.1205.

S. Dey, S. Wasif, D. S. Tonmoy, S. Sultana, J. Sarkar, and M. Dey, “A Comparative Study of Support Vector Machine and Naive Bayes Classifier for Sentiment Analysis on Amazon Product Reviews,” 2020 Int. Conf. Contemp. Comput. Appl. IC3A 2020, pp. 217–220, 2020, doi: 10.1109/IC3A48958.2020.233300.

Downloads

Published

2023-05-26

Issue

Vol. 22 No. 2 (2023): Mei 2023

Section

Articles

License

 

License Terms

All articles published in Techno.COM Journal are licensed under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). This means:

1. Attribution

Readers and users are free to:

  • Share – Copy and redistribute the material in any medium or format.

  • Adapt – Remix, transform, and build upon the material.

As long as proper credit is given to the original work by citing the author(s) and the journal.

2. Non-Commercial Use

  • The material cannot be used for commercial purposes.

  • Commercial use includes selling the content, using it in commercial advertising, or integrating it into products/services for profit.

3. Rights of Authors

  • Authors retain copyright and grant Techno.COM Journal the right to publish the article.

  • Authors can distribute their work (e.g., in institutional repositories or personal websites) with proper acknowledgment of the journal.

4. No Additional Restrictions

  • The journal cannot apply legal terms or technological measures that restrict others from using the material in ways allowed by the license.

5. Disclaimer

  • The journal is not responsible for how the published content is used by third parties.

  • The opinions expressed in the articles are solely those of the authors.

For more details, visit the Creative Commons License Page:
? https://creativecommons.org/licenses/by-nc/4.0/

 

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.