Email this article 
Hide
Show all
IMPLEMENTASI ALGORITMA NAÏVE BAYES DALAM PENENTUAN RATING BUKU
Abstract
ABSTRACT
Books are one of the most widely used objects in daily life. With the development of the times, there are other alternatives that can be used to read books without having to buy books in stores. One alternative is the website www.goodreads.com where the website provides a variety of books. On the website, we can also give ratings and review s of books that we have read. These review s and ratings can provide a reference for readers. For this reason, an analysis of book rating is required based on data obtained from the www.kaggle.com website. By processing the data obtained will find the best book viewed from several aspects. The purpose of this research is to determine the rating of a book as a reference for readers in choosing the appropriate book. In this study using a classification algorithm naïve bayes data mining. This research was assisted by rapidminer and Python tools as tools to manage data. The results obtained are the results of determining the book rating using the naïve bayes method having an accuracy of 66.98%, precision 74.47% and recall 62.47% and the results of this analysis are obtained from the dataset available on the website www.kaggle.com showing that the majority book rating predictions tend to be low.
Keywords: book rating, mining, naïve bayes, pyhton, rapidminer
ABSTRAK
Buku merupakan salah satu benda yang paling banyak digunakan dalam kehidupan sehari-hari. Dengan berkembangnya zaman, ada alternatif lain yang bisa digunakan untuk membaca buku tanpa harus membeli buku ditoko. Salah satu alternatifnya adalah website www.goodreads.com yang dimana website tersebut menyediakan berbagai macam buku. Di website tersebut, kita juga dapt memberikan rating dan review buku yang telah kita baca. Review dan rating ini bisa memberikan acuan bagi para pembaca. Untuk itu diperlukan nya analisis terhadap penentuan rating buku berdasarkan data yang didapatkan dari situs www.kaggle.com. Dengan mengolah data yang didapatkan akan mengetahui buku yang paling terbaik dilihat dari beberapa segi. Adapun tujuan dilakukan penelitian ini adalah untuk menentukan rating dari sebuah buku sebagai acuan pembaca dalam memilih buku yang sesuai. Dalam penelitian ini menggunakan algoritma klasifikasi data mining naïve bayes. Penelitian ini dibantu oleh tools rapidminer dan Python sebagai alat bantu mengelolah data. Hasil yang diperoleh adalah hasil penentuan rating buku menggunakan metode naïve bayes memiliki accuracy 66,98%, precision 74,47% dan recall 62,47% dan hasil analisis ini di dapatkan dari dataset yang ada pada situs www.kaggle.com menunjukan bahwa mayoritas prediksi rating buku cenderung rendah.
Kata Kunci: rating buku , mining, naïve bayes, python, rapidminer
Full Text:
PDFReferences
H. Alwi, Kamus Besar Bahasa Indonesia, 3rd ed. Jakarta: Balai Pustaka, 2007.
J. Liu, Z. Tian, P. Liu, J. Jiang, and Z. Li, “An Approach of Semantic Web Service Classification Based on Naive Bayes,” in 2016 IEEE International Conference on Services Computing (SCC), San Francisco, CA, USA, Jun. 2016, pp. 356–362, doi: 10.1109/SCC.2016.53.
N. L. Ratniasih, “Optimasi Data Mining Menggunakan Algoritma Naïve bayes Dan C4.5 Untuk Klasifikasi Kelulusan Mahasiswa,” J. Teknol. Inf. Dan Komput., vol. 5, no. 1, Feb. 2019, doi: 10.36002/jutik.v5i1.634.
T. M. Butar, M. A. Fauzi, and Indriati, “Penentuan Rating Review Film Menggunakan Metode Multinomial Naïve bayes Classifier dengan Feature Selection berbasis Chi-Square dan Galavotti-Sebastiani-Simi Coefficient,” J. Pengemb. Teknol. Inf. Dan Ilmu Komput., vol. 3, pp. 447–453, 2019.
F. Handayani and F. S. Pribadi, “Implementasi Algoritma Naïve bayes Classifier dalam Pengklasifikasian Teks Otomatis Pengaduan dan Pelaporan Masyarakat melalui Layanan Call Center 110,” J. Tek. Elektro, vol. 7, pp. 19–24, Jun. 2015.
M. Idris, “Implementasi Data Mining Dengan Algoritma Naïve bayes Untuk Memprediksi Angka Kelahiran,” J. Pelita Inform., vol. 18, pp. 160–167, 2019.
F. Gorunescu, Data Mining Concepts Models and Techniques, 1st ed., vol. 12. Craiova: Springer Berlin Heidelberg, 2011.
M. Ridwan and H. Suyono, “Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naïve bayes Classifier,” vol. 7, no. 1, p. 6, 2013.
A. Saleh, “Implementasi Metode Klasifikasi Naïve bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga,” vol. 2, no. 3, p. 11, 2015.
T. R. Patil and M. S. S. Sherekar, “Performance Analysis of Naïve bayes and J48 Classification Algorithm for Data Classification,” Open Access, vol. 6, p. 6, 2013.
A. Powar and D. V. Ghorpade, “Heart Disease Prediction System Using Naïve bayes Data Mining Technique,” ICTACT J. SOFT Comput., pp. 1824–1830, 2018.
T. B. Sasongko, “Komparasi dan Analisis Kinerja Model Algoritma SVM dan PSO-SVM (Studi Kasus Klasifikasi Jalur Minat SMA),” J. Tek. Inform. Dan Sist. Inf., vol. 2, no. 2, Aug. 2016, doi: 10.28932/jutisi.v2i2.476.
M. Utmal and R. K. Pandey, “Taxonomy on the Integration of Hadoop and Rapid Miner for Big Data Analytics,” in 2015 International Conference on Computational Intelligence and Communication Networks (CICN), Jabalpur, India, Dec. 2015, pp. 890–893, doi: 10.1109/CICN.2015.175.
M. F. Rahman, D. Alamsah, M. I. Darmawidjadja, and I. Nurma, “Klasifikasi Untuk Diagnosa Diabetes Menggunakan Metode Bayesian Regularization Neural Network (RBNN),” J. Inform., vol. 11, no. 1, p. 36, Jan. 2017, doi: 10.26555/jifo.v11i1.a5452.
DOI: https://doi.org/10.32520/stmsi.v9i3.915
Article Metrics
Abstract view : 2423 timesPDF - 1135 times
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.