Optimasi naive Bayes classifier untuk klasifikasi teks pada e-government menggunakan particle swarm optimization
Teks penuh
Gambar
Dokumen terkait
Pada penelitian ini menggunakan metode PSO (Particle Swarm Optimization) untuk menentukan kombinasi bahan makanan untuk memenuhi kebutuhan gizi atlet olahraga
Adapun pengujian terhadap metode klasifikasi naïve bayes yang digunakan, dilakukan dengan menggunakan teknik split validation dengan confussion matrix, dimana
Hasil perbandingan tingkat akurasi pengujian SVM berbasis PSO dengan parameter k-fold =5 pada Gambar 8 menunjukkan bahwa nilai akurasi terbaik terdapat pada kernel
Dalam penelitian ini peneliti memanfaatkan algoritma naive bayes dengan metode optimasi particle swarm optimization (PSO) dimana dataset yang digunakan dalam penelitian ini adalah
Penelitian ini dibatasi pada peningkatan akurasi metode klasifikasi data mining yaitu algoritma NBC dikombinasikan dengan algoritma PSO untuk pembobotan atribut
Maka dapat disimpulkan pengujian data pelanggan yang tidak loyal pada perusahaan telekomunikasi menggunakan algoritma Backpropagation dan penerapan Particle
Metode yang diusulkan pada penelitian ini adalah dengan menerapkan fitur seleksi Particle Swarm Optimization PSO terhadap algoritma Naive Bayes untuk meningkatkan akurasi pada proses
Hasil Pengujian K-Fold Cross Validation Dalam penggunaan K-Fold Cross Validation pada klasifikasi Naive Bayes maupun K-Nearest Neighbors, langkah ini dilakukan untuk mencegah
