Analisis Data Sampah Plastik Dunia Pada Tahun 2023 Dengan Metode Naive Bayes
DOI:
https://doi.org/10.52072/jutekinf.v12i2.1165Keywords:
Naïve Bayes, Klassifikasi, Keseimbangan DataAbstract
Sampah pelastik dapat berdampak besar pada ekosistem lingkungan terutama lingkungan pesisir Pantai. Penelitian ini bertujuan untuk menganalisis dan mengklasifikasikan pola sampah plastik global dengan menerapkan algoritma Naïve Bayes. Dataset yang digunakan adalah Global Plastic Waste 2023: Country-wise Data. Algoritma Naïve Bayes diterapkan pada dataset ini untuk menilai efektivitasnya dalam mengklasifikasi dataset Sampah Plastik Global 2023: Data-bijaksana negara. Hasil penelitian menunjukkan bahwa Naïve Bayes memiliki performa terbaik pada kategori High, namun pada kategori Medium, model mengalami kesulitan dengan F1-Score 0.18 dan Recall hanya 0.11, sedangkan pada kategori Very High, model gagal sepenuhnya mengenali data Precision, Recall, F1-Score 0.00 akibat jumlah data yang sangat sedikit. Penelitian ini mengungkapkan tantangan dalam menerapkan Naïve Bayes pada dataset dengan distribusi data yang tidak merata dan menyarankan pendekatan metode lain untuk meningkatkan akurasi. Hasil ini memberikan wawasan tentang penerapan Naïve Bayes dalam analisis sampah plastik global dan dapat menjadi referensi untuk pengembangan model yang lebih akurat.
Downloads
References
A’ayunnisa, N., Salim, Y., & Azis, H. (2022). Analisis performa metode Gaussian Naïve Bayes untuk klasifikasi citra tulisan tangan karakter arab. Indonesian Journal of Data and Science (IJODAS), 3(3), 115–121.
Afif, A. (2023). Analisis Metode Klasifikasi Data Naïve Bayes dan SVM Dalam Menentukan Keunikan Hotel. Dalam Jurnal Teknologi Komputer dan Informasi (JUTEKINF) (Vol. 11, Nomor 1).
Arfanda, I., Ramdhan, W., Yusda, R. A., & Artikel, H. (2021). Naive Bayes Dalam Menentukan Penerima Bantuan Langsung Tunai. 1(1). https://doi.org/10.47709/briliance.vxix.xxxx.
Baharuddin, M. M., Azis, H., & Hasanuddin, T. (2019). analisis performa metode k-nearest neighbor untuk identifikasi jenis kaca. ILKOM Jurnal Ilmiah, 11(3), 269–274. https://doi.org/10.33096/ilkom.v11i3.489.269-274.
Felicia Watratan, A., Puspita, A. B., Moeis, D., Informasi, S., & Profesional Makassar, S. (2020). Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia. Dalam Journal Of Applied Computer Science And Technology (JACOST) (Vol. 1, Nomor 1). http://journal.isas.or.id/index.php/JACOST.
Julkarnain, M. (2024). Penerapan Algoritma Naive Bayes dalam Memprediksi Lulus Tepat Waktu Mahasiswa. 4(2). https://doi.org/10.47709/digitech.v4i2.4963
Saputra, J. (2022). The Naive Bayes Algorithm in Predicting the Spread of the Omicron Variant of Covid-19 in Indonesia: Implementation and Analysis. IJIIS: International Journal of Informatics and Information Systems, 5(2), 84–91. https://doi.org/10.47738/ijiis.v5i2.131.
