Electronic Theses and Dissertation

Klasifikasi adalah proses menemukan model atau fungsi yang dapat menggambarkan dan mengkarakterisasi kelas data. Klasifikasi memiliki dua tugas utama yang dilakukan, yaitu membangun model untuk disimpan sebagai memori dan mengklasifikasikan pada objek data lain untuk mengetahui kelompok objek tersebut berdasarkan model yang telah disimpan sebelumnya. Terdapat beberapa metode yang dapat digunakan untuk melakukan klasifikasi, dua di antaranya yaitu Naïve Bayes dan K-Nearest Neighbor (K-NN). Kedua metode tersebut merupakan metode klasifikasi yang memiliki tingkat akurasi relatif tinggi. Penelitian ini bertujuan untuk membandingkan tingkat performa hasil klasifikasi antara metode Naïve Bayes dan metode K-NN pada data status rumah tangga rawan pangan di Provinsi Aceh tahun 2021. Data yang digunakan dalam penelitian ini adalah data Survei Sosial Ekonomi Nasional (Susenas) di Provinsi Aceh tahun 2021. Perbandingan metode Naïve Bayes dan K-NN dilakukan pada 5 skenario pengujian, yaitu pembagian data training dan data testing dengan rasio 90%:10%, 80%:20%, 70%:30%, 60%:40%, dan 55%:45%. Hasil penelitian ini menunjukkan performa tertinggi metode Naïve Bayes dihasilkan pada skenario 80%:20% dengan nilai performa yaitu, nilai accuracy 71,01% dan f1-score 81,17%. Sedangkan performa tertinggi metode K-NN dihasilkan pada skenario 70%:30% dengan nilai performa yaitu, nilai accuracy 78,87% dan f1-score 88,15%. Dapat disimpulkan metode K-NN memiliki hasil performa yang lebih baik dibandingkan Naïve Bayes dalam mengklasifikasikan status rumah tangga rawan pangan di Provinsi Aceh tahun 2021.

Classification is the process of discovering a model or function that can describe and characterize data classes. Classification involves two main tasks: building a model to be stored as memory and classifying other data objects to determine their group based on the previously stored model. There are several methods that can be used for classification, two of which are Naïve Bayes and K-Nearest Neighbor (K-NN). Both of these methods are classification techniques known for their relatively high accuracy rates. This research aims to compare the performance levels of classification results between the Naïve Bayes method and the K-Nearest Neighbor (K-NN) method on food-insecure household data in Aceh Province in 2021. The data used in this study is from the National Socioeconomic Survey (Susenas) in Aceh Province for the year 2021. The comparison between the Naïve Bayes and K-NN methods was conducted in five testing scenarios, which included data splitting ratios of 90%:10%, 80%:20%, 70%:30%, 60%:40%, and 55%:45%. The results of this study indicate that the highest performance of the Naïve Bayes method was achieved in the 80%:20% scenario with performance metrics including an accuracy of 71.01% and an f1-score of 81.17%. Meanwhile, the highest performance of the K-NN method was obtained in the 70%:30% scenario with performance metrics including an accuracy of 78.87% and an f1-score of 88.15%. In conclusion, the K-NN method demonstrates better performance compared to Naïve Bayes in classifying food-insecure household status in Aceh Province in 2021.