Page 17 - TUGAS DATA MINING MHD.ARKAN MUFADHAL (2309010346P), SISTEM INFORMASI KELAS A2 (1)
P. 17
JURNAL INFORMATIKA, Vol.7 No.1 April 2020
ISSN: 2355-6579 | E-ISSN: 2528-2247
AUC digunakan untuk mengukur kinerja
diskriminatif dengan memperkirakan
probabilitas output yang sudah di dapatkan
hasilnya dari sampel yang dipilih secara acak
dari populasi positif atau negatif, semakin
besar nilai AUC, semakin kuat klasifikasi yang
dihasilkan. Karena AUC merupakan bagian
dari daerah unit persegi, nilainya yang
dihasilkan akan selalu sama yang
dihasilkannya, antara 0,0 dan 1,0. Gambar 3. Model Confusion Matrix algoritma
Naïve Bayes
Tabel 1. Confusion Matrix
PerformanceVector: accuracy:
88.00% +/- 10.67%
(mikro: 87.92%) ConfusionMatrix:
True: Tidak Ya Tidak: 2 8
Ya: 10 129
precision: 92.74% +/- 3.26%
(mikro: 92.81%) (positive class:
Ya)
ConfusionMatrix:
True: Tidak Ya Tidak: 2 8
Gambar 2. Sumber : (Gorunescy, 2011) Ya: 10 129
recall: 94.01% +/- 11.73% (mikro:
Hasil dan Pembahasan 94.16%) (positive class: Ya)
Data yang digunakan dalam pengklasifikasiaan ConfusionMatrix:
Calon Nasabah Potensial terdiri dari 5.000 True: Tidak Ya Tidak: 2 8
dataset, 137 data yang digunakan untuk data Ya: 10 129
testing berdasarkan variabel yang tersedia. AUC (optimistic): 0.514 +/- 0.330
Klasifikasi dilakukan dengan menggunakan (mikro: 0.514) (positive class:
Software Rapidminer dengan versi 8 untuk Ya)
mengolah data yang sudah di tentukan AUC: 0.494 +/- 0.329 (mikro:
0.494) (positive class: Ya)
Confusion Matrix algoritma Naïve Bayes AUC (pessimistic): 0.478 +/-
Gambar.3 merupakan perhitungan akurasi data 0.328 (mikro: 0.478) (positive
training menggunakan algoritma Naïve Bayes class: Ya)
yang menghasilkan accuracy 88.00%.
Diketahui data training terdiri dari 150 record Gambar 4 .Text view model Confusion Matrix
data, 10 data di klasifikasikan LAKU ternyata algoritma Naïve Bayes
TIDAK LAKU, 2 data diprediksi TIDAK Gambar 4. merupakan perhitungan accuracy data
LAKU dan benar-benar TIDAK LAKU, 129 di menggunakan algoritma Naïve Bayes. Diketahui
prediksikan LAKU ternyata benar-benar LAKU data training terdiri dari 150 record data, 10 data di
serta 8 data diprediksikan TIDAK LAKU klasifikasikan LAKU ternyata TIDAK LAKU, 2
ternyata LAKU.
data diprediksi TIDAK LAKU dan benar-benar
TIDAK LAKU, 129 di prediksikan LAKU ternyata
benar-benar LAKU serta 8 data diprediksikan
TIDAK LAKU ternyta LAKU.
http://ejournal.bsi.ac.id/ejurnal/index.php/ 8
ji
