Perbandingan algoritma k-nearest neighbor dan naive bayes untuk studi data wisconsin diagnosis breast cancer.
Teks penuh
Gambar
Dokumen terkait
Model yang dihasilkan dengan Algoritma Naïve Bayes dan Bayes Network diuji menggunakan metode split percentace dan Cross Validation, terlihat perbandingan
Hasil recall tertinggi pada klasifikasi penyakit stroke diantara algoritma K- Nearest Neigbor dan Gaussian Naive Bayes adalah pada algoritma K-Nearest Neigbor sebesar
Dari hasil pengklasifikasian pada Tabel 6 dapat disimpulkan bahwa metode K-Nearest Neighbor bekerja lebih baik dibandingkan dengan Naïve Bayes untuk kasus data status kerja
Dengan memperbaiki missing value menggunakan metode k-nearest neighbor yang dikombinasikan dengan klasifikasi naïve bayes dalam pengambilan keputusan, diharapkan
AUC Algoritma K-NN Menggunakan 5-Fold Cross Validation Pada tabel 4.1 menunjukkan hasil akurasi untuk klasifikasi deteksi Autism Spectrum Disorder for Adult Dataset diperoleh dengan
Penelitian-penelitian dengan konsep klasifikasi yang menggunakan metode naïve bayes dan k-NN diantaranya: Perbandingan Metode Klasifikasi Naïve Bayes dan K-Nearest Neighbor pada
Hasil recall tertinggi pada klasifikasi penyakit stroke diantara algoritma K- Nearest Neigbor dan Gaussian Naive Bayes adalah pada algoritma K-Nearest Neigbor sebesar 75,71% sehingga
Berdasarkan hasil penelitian yang telah dilakukan yang model naïve bayes dan cross validation dapat melakukan klasifikasi berita hoax dengan baik, akurasi yang dihasilkan sebesar 86.3%
