Klasifikasi Posting Twitter Kemacetan Lalu Lintas Kota Bandung Menggunakan Naive Bayesian Classification
Abstrak: Setiap hari server
Twitter menerima data tweet dengan jumlah yang sangat besar, dengan demikian,
kita dapat melakukan data mining yang digunakan untuk tujuan tertentu. Salah
satunya adalah untuk visualisasi kemacetan lalu lintas di sebuah kota.
Naive bayes classifier adalah pendekatan yang mengacu pada teorema Bayes,
dengan mengkombinasikan pengetahuan sebelumnya dengan pengetahuan baru.
Sehingga merupakan salah satu algoritma klasifikasi yang sederhana namun
memiliki akurasi tinggi. Untuk itu, dalam penelitian ini akan membuktikan
kemampuan naive bayes classifier untuk mengklasifikasikan tweet yang berisi
informasi dari kemacetan lalu lintas di Bandung.
Dari hasil uji coba, aplikasi menunjukan bahwa nilai akurasi terkecil 78%
dihasilkan pada pengujian dengan sampel sebanyak 100 dan menghasilkan nilai
akurasi tinggi 91,60% pada pengujian dengan sampel sebanyak 13106. Hasil
pengujian dengan perangkat lunak Rapid Miner 5.1 diperoleh nilai akurasi
terkecil 72% dengan sampel sebanyak 100 dan nilai akurasi tertinggi 93,58%
dengan sampel 13106 untuk metode naive bayesian classification. Sedangkan untuk
metode support vector machine diperoleh nilai akurasi terkecil 92% dengan sampel sebanyak 100 dan nilai akurasi
tertinggi 99,11% dengan sampel sebanyak 13106.
Penulis: Sandi Fajar
Rodiyansyah, Edi Winarko
Kode Jurnal: jptinformatikadd120206
