ANALISIS PERBANDINGAN NAÏVE BAYES DAN NEURAL NETWORK DALAM KLASIFIKASI MINAT MASYARAKAT PADA KURSUS KOMPUTER

NABILA SYAH FITRIA, NPM 2009100036 (2025) ANALISIS PERBANDINGAN NAÏVE BAYES DAN NEURAL NETWORK DALAM KLASIFIKASI MINAT MASYARAKAT PADA KURSUS KOMPUTER. Tugas_Akhir(Artikel) Building of Informatics, Technology and Science (BITS), 6 (4). pp. 2512-2524. ISSN 2685-3310(e-ISSN) 2684-8910(p-ISSN)

	Text COVER.pdf Download (1MB)
	Text ARTIKEL.pdf Download (747kB)

Abstract

Dalam era digital, pemanfaatan teknologi dalam dunia pendidikan semakin berkembang, terutama dalam meningkatkan literasi digital masyarakat melalui kursus komputer. Untuk menganalisis minat masyarakat terhadap kursus, diperlukan pendekatan berbasis data mining yang dapat mengolah data dalam jumlah besar dan mengidentifikasi pola tertentu. Naïve Bayes dan Neural Network merupakan dua metode klasifikasi yang banyak digunakan, di mana Naïve Bayes bekerja berdasarkan probabilitas independen antar fitur, sedangkan Neural Network menggunakan jaringan saraf tiruan untuk menangkap pola yang lebih kompleks. Penelitian ini bertujuan untuk membandingkan kedua metode dalam mengklasifikasikan minat masyarakat terhadap LKP Ibay Komputer dan mengevaluasi akurasi masing-masing model. Hasil klasifikasi menunjukkan bahwa kedua metode menghasilkan prediksi yang sama, yaitu 53 data dikategorikan sebagai berminat dan 20 data sebagai tidak berminat. Akurasi model mencapai 100%, yang mengindikasikan performa klasifikasi yang sangat tinggi. Meskipun hasil ini tampak ideal, akurasi sempurna seperti ini sering kali memunculkan pertanyaan terkait validitas dan ketahanan model pada skenario dunia nyata. Faktor-faktor seperti ukuran dataset yang relatif kecil, pola data yang terlalu terstruktur, atau kurangnya variasi dalam data latih dapat menjadi penyebab hasil yang tampak terlalu baik. Oleh karena itu, penting untuk melakukan evaluasi tambahan seperti validasi silang atau pengujian pada dataset berbeda untuk memastikan model tidak mengalami overfitting dan tetap andal dalam prediksi yang lebih luas. Dengan hasil ini, dapat disimpulkan bahwa baik Naïve Bayes maupun Neural Network memiliki performa optimal dalam klasifikasi minat masyarakat terhadap kursus komputer, namun pemilihan metode dapat disesuaikan dengan kebutuhan, di mana Naïve Bayes unggul dalam efisiensi komputasi, sedangkan Neural Network lebih adaptif terhadap data yang lebih kompleks. Kata Kunci: Data Mining, Naïve Bayes, Neural Network, Klasifikasi, Evaluasi Model ==================================================================================================== In the digital era, the use of technology in education is growing, especially in improving people's digital literacy through computer courses. To analyze people's interest in courses, a data mining-based approach is needed that can process large amounts of data and identify certain patterns. Naïve Bayes and Neural Network are two widely used classification methods, where Naïve Bayes works based on independent probabilities between features, while Neural Network uses artificial neural networks to capture more complex patterns. This study aims to compare the two methods in classifying people's interest in LKP Ibay Komputer and evaluate the accuracy of each model. The classification results show that both methods produce the same predictions, namely 53 data are categorized as interested and 20 data as not interested. The model accuracy reaches 100%, indicating very high classification performance. Although these results seem ideal, perfect accuracy like this often raises questions regarding the validity and robustness of the model in real-world scenarios. Factors such as relatively small dataset sizes, overly structured data patterns, or lack of variation in training data can cause results that appear too good. Therefore, it is important to conduct additional evaluations such as cross-validation or testing on different datasets to ensure that the model does not experience overfitting and remains reliable in broader predictions. With these results, it can be concluded that both Naïve Bayes and Neural Networks have optimal performance in classifying people's interest in computer courses, but the choice of method can be adjusted according to needs, where Naïve Bayes excels in computational efficiency, while Neural Networks are more adaptive to more complex data. Keywords: Data Mining, Naïve Bayes, Neural Network, Classification, Model Evaluation

Item Type:	Article
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General) Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions:	Fakultas Sains Dan Teknologi > Sistem Informasi
Depositing User:	Unnamed user with email repository@ulb.ac.id
Date Deposited:	10 Dec 2025 03:14
Last Modified:	10 Dec 2025 03:14
URI:	http://repository.ulb.ac.id/id/eprint/2017

Actions (login required)

View Item