Algoritma K-Means untuk Diskretisasi Numerik Kontinyu Pada Klasifikasi Intrusion Detection System Menggunakan Naive Bayes
Teks penuh
Gambar
Dokumen terkait
Penelitian ini diharapkan dapat menghasilkan model klasifikasi untuk spam filter menggunakan model klasifikasi NB dan seleksi fitur chi-square dengan tingkat akurasi
Di antara 7 skenario yang diuji tanpa menggunakan normalisasi data, didapatkan akurasi terbaik pada skenario 1 yang merupakan implementasi metode Naïve Bayes
Hasil pengujian menunjukkan bahwa nilai akurasi Naive Bayes sebesar 89,08%, setelah dilakukan pemilihan fitur dengan menggunakan Backward Elimination didapatkan hasil
Metode yang digunakan adalah penerapan K-Means sebagai model untuk meningkatkan tingkat akurasi untuk klasifikasi jenis tema tugas akhir mahasiswa dengan
Dari hasil analisis 20 atribut dilakukan 3 kali percobaan dengan algoritma Naïve Bayes didapat model klasifikasi dengan tingkat akurasi yang terbaik yaitu 76.92 %, tingkat
Hasil penelitian menunjukkan bahwa dengan seleksi fitur Algoritma Genetika maka model Naibve Bayes Classifier menjadi model klasifikasi yang lebih baik untuk
Prediksi hasil pemilu legislatif Kabupaten Lombok Timur dengan algoritma naïve bayes tanpa fitur seleksi memiliki akurasi 85,14% dengan nilai AUC 0.978, sedangkan
2 Hasil Confussion Matrix Algoritma K-Nearest Neighbor dengan 3 Ketetangggan Menggunakan 2-fold Cross Validation pada Folder Data Uji ke-1 48 Tabel 4.. 3 Hasil Pengujian