2.8. Naïve Bayes Naive Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik yang dikemukakan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya sehingga dikenal sebagai Teorema Bayes. MenurutNaïve bayes adalah algoritma klasifikasi yang dasar perhitungannya bertumpu pada nilai probabilitas dari setiap atribut, sehingga apabila sebuah atribut dengan kelas tertentu bernilai 0 (nol Senada dengan hal tersebut menurut Undang-Undang No.14 Tahun 1969 tentang Pokok Tenaga Kerja, tenaga kerja adalah tiap orang yang mampu melaksanakan pekerjaan, baik di dalam maupun diluar hubungan kerja guna menghasilkan jasa atau barang untuk memenuhi kebutuhan masyarakat Dalam penelitian ini dilakukan pemodelan data mining dengan menggunakan Kelemahan algoritma SVM adalah membutuhkan banyak memori, sulit untuk diinterpretasikan, dan sulit untuk di-setting. 3. Naive Bayes, Random Forest, dan Neural Network. Naive bayes merupakan teknik klasifikasi berdasarkan teorema Bayes yang sangat mudah dibuat dan sangat berguna untuk kumpulan data yang berukuran sangat besar.
Metode data mining yang digunakan adalah klasifikasi, terdiri dari 5 model algoritma yaitu Decision Tree (C4.5), k-Nearest Neighbor (k-NN), Logistis Regression, Naïve Bayes, dan Gradient Boosted Tree, setelah dilakukan uji hasil maka didapat bahwa dari komparasi kelima algoritma tersebut yang menunjukan baik dan akurasinya lebih besar adalah
Download scientific diagram | Flowchart Perancangan Algoritma Naïve Bayes from publication: IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI LAMA MASA STUDI DAN PREDIKAT KELULUSAN MAHASISWA
5cdt5.