Propensity To Buy Modelling Menggunakan Metode Klasifikasi Naïve Bayes
Keywords:
Propensity To Buy, Naive Bayes, OrangeAbstract
Visualisasi data diperlukan untuk membuat penerima data memahami dengan baik hasil dari pengolahan data. Terutama ketika data yang akan diolah berjumlah sangat banyak. Pengolahan data dengan jumlah yang sangat banyak dikenal dengan data mining. Dengan dataset mengenai propensity to buy metode klasifikasi Naïve Bayes digunakan untuk memprediksi klasifikasi kecenderungan user untuk membeli atau tidak membeli suatu produk. Perhitungan klasifikasi Naïve Bayes menggunakan aplikasi data mining Orange. Didapatlah Proportion of prediction menunjukkan Classification Accuracy sebesar 0,982. Klasifikasi dibagi menjadi 2 label antara lain membeli dan tidak membeli. Proportion of prediction menunjukkan prediksi klasifikasi dengan nilai 99,97% untuk tidak membeli dan dengan nilai 69,61% untuk membeli Orange mampu memvisualisasikan hasil klasifikasi Naïve Bayes dengan grafik garis pada Receiver Operating Characteristics Analysis.
References
[1] Chairunnisa, Syifa. 2019. Pentingnya visualisasi data untuk informasi yang menarik. (Online), (https:// http://lbi.si.fti.unand.ac.id/pentingnya visualisasi-data-untuk-informasi-yang menarik/, diakses 25 Oktober 2023).
[2] Suntoro, Joko (2019). Data Mining Algoritma dan Implementasi dengan Pemrograman PHP. Jakarta: Elex Media Komputindo.
[3] Widianto, Haldi Mochammad. 2019. Algoritma Naïve Bayes. (Online), (https://binus.ac.id/bandung/2019/12/alg oritma-naive-bayes/, diakses 25 Oktober 2023).
[4] Irmayani, Windi. 2021. Visualisasi Data Pada Data Mining Menggunakan Metode Klasifikasi Naive Bayes. Jakarta: Jurnal Khatulistiwa Informatika.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Ridho Suharis
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.