SISTEM PENENTUAN KUALITAS PAVING BLOCK BERDASARKAN PARAMETER NUMERIK MENGGUNAKAN METODE NAIVE BAYES

Authors

  • Usep Tatang Suryadi STMIK Subang
  • Dedi Nurzaenudi
This Abstract has been read 103 times

Abstract

Paving block atau sering di sebut bata beton siapa yang tidak tahu nama paving block yang sejak lama sudah ada, Paving block sangan di minati banyak orang karna paving block ramah lingkungan. pengrajin paving block sekarang membuat paving block tidak ketentuan standar SNI, banyak nyah pengrajin paving block mengandalkan ke untungan semata bukan dari kualitas paving block standar SNI, untuk karna itu pembeli dan toko paving block susah membedakan mana kualitas paving block standar SNI dan mana kualitas paving block tidak sesuai standar SNI. Dengan adanya Sistem Penentuan Kualitas Paving Block sangat membantu toko paving block dapat menguji paving block di pengrajin paving block sebelum masuk ke toko, dan dapat membuktikan kepada pembeli bahwa paving block tersebut sesuai dengan ketentuan standar SNI. Adanya sistem aplikasi ini dapat mempermudah atau mempercepat dalam menentukan kualiat paving block kepada masyarakat tidak akan sulit untuk membedakan suatu paving block kualitas standar SNI. Sistem yang diterapkan yaitu menggunakan metode Naïve Bayes. Metode klasifikasi yang berdasarkan probabilitas dan Teorema Bayesian menggunakan m-estimate sengan asumsi bahwa setiap variable X bersifat (independence). Namun data harus melalui tahap Implementasi Naïve Bayes terlebih dahulu. Implementasi Naïve Bayes terbagi ke dalam tiga tahap, yaitu tahap pemanggilan data base, tahap perhitungan fungsi naive bayes dan tahap hasil akhir. Karena parameter paving block sangat banyak, dalam sistem penentuan kualitas paving block berdasarkan parameter numerik menggunakan metode Naïve Bayes ini dibatasi hanya tiga parameter saja, yaitu penyerapan, kuat tekan dan keausan. Sistem penentuan kualitas paving block berdasarkan parameter numerik menggunakan metode Naïve Bayes telah berhasil diterapkan. Sehingga dapat melakukan klasifikasi kategori buku. Dengan metode naïve bayes, diperoleh hasil akurasi kebenaran pengklasifikasian terhadap 131 data uji yaitu sebesar 70%. Pada penelitian ini, pengukuran efektifitas klasifikasi dengan menggunakan Confusion Matrix dengan cara menentukan nilai TP, TN, FP, dan FN.

Keywords: Naive Bayes, m-estimate, pre-processing, Confusion Matrix

CITATIONS

PDF Downloads

Download data is not yet available.

Metrics

Metrics Loading ...

References

Abdul, k. (2007). Pengenalan Sistem Informasi. Yogyakarta: Andi.

Edi, Betshani, Doro, & Stevalin. (2009). Analisis Data dengan Menggunakan ERD dan Model Konseptual Data Warehouse. Jurnal Informatika , 75.

El Imami, I. K. (2016). Sistem Pendukung Keputusan Penerimaan Dana Simpan Pinjam Perempuan(SPP) PNPM-MPd Menggunakan Metode Naive Bayes. Kediri: UN PGRI.

Hartono, J. (1999). Analisis dan Design Sistem Informasi: pendekatan terstruktur teori dan praktek aplikasi bisnis. Yogyakarta: Andi.

Hestie, a. e. (2008). The Element of Statistical Learning: Data Mining, Inference, and Prediction. Stanford : Springer: 2nd ed.

J. Han, a. K. (2007). Data Mining Concepts and techniques. San Francisco : Elsevier: 2nd Edition ed.

Kadir, A. (2002). Dasar Pemrograman Web Dinamis Menggunakan PHP. Yogyakarta: ANDI.

Kusmawardani, Wardati, U., Lia, & Indah. (2014). Analisis dan Perancangan Sistem Informasi Hotel Graha Prima Pacitan. Speed, 28.

Ling, N.kencana, Oka, e., Juen, b., putu, I., & Tjokorda. (2014). Analisis sentimen menggunakan metode naive bayes classifier dengan seleksi fitur chi square. E-jurnal matematika , 92.

Luthfi, t. K., & Emha. (-). Definisi Data Mining. DDM , 1.n, s. d. (1996). bata beton (paving block). SNI , -.

Nugroho, B. (2008). Aplikasi Pemrograman Web Dinamis Dengan PHP dan Mysql. Yogyakarta: Gava Media.

Prasetyo, Rahajoe, D., Arizal, Eko, Ani, R., & Arif. (2012). Perbandingan K-Support Vector Nearest Neighbor Terhadap Decision Tree dan Naive Bayes. - , 3.

Setiawan, J. A. (2005). Implementasi Custumer relationship Management (CRM) pada Sistem Reservasi Hotel berbasisi Website dan Desktop. Universitas Kristen Maranatha , 116.

Suryadi, U. T. (2014). Model Naive Bayes Untuk Kelulusan Sertifikat Benih Kentang. Semarang: Udinus.

Wasiati, Wijayanti, Hera, & Dwi. (2014). Sistem pendukung keputusan penentuan kelayakan calon tenaga kerja Indonesia menggunakan metode naive bayes. IJNS , 45.

Whitten, L. D. (2004). Metode Desain dan Analisis Sistem. Yogyakarta: Terjemah oleh Tim Penerjemah ANDI.

Published

2016-10-01

How to Cite

[1]
U. T. Suryadi and D. Nurzaenudi, “SISTEM PENENTUAN KUALITAS PAVING BLOCK BERDASARKAN PARAMETER NUMERIK MENGGUNAKAN METODE NAIVE BAYES”, JTIK, vol. 9, no. 2, pp. 1-13, Oct. 2016.

Issue

Section

Articles