Naïve Bayes

2012 ◽  
Keyword(s):  
Ve Bayes

Klasifikasi Berita Kriminal Menggunakan Naïve Bayes Classifier (NBC) dengan Pengujian K-Fold Cross Validation

2019 ◽  
Vol 5 (2) ◽  
pp. 108-117
Author(s):  
Herfia Rhomadhona ◽  
Jaka Permadi
Keyword(s):  
Cross Validation ◽  
Online Media ◽  
Bayes Classifier ◽  
Ve Bayes ◽  
Fold Cross Validation

Berita kriminalitas merupakan berita yang selalu menjadi trending topik di setiap media massa, khususnya media massa online. Media massa online terlah menyediakan beberapa fasilitas untuk mempermudah masyarakan dalam mencari sebuah berita berdasarkan topik. Media massa online melabeli suatu berita berdasarkan kategorinya. Namun, media massa online tidak memberikan sub kategori pada berita tersebut. Sebagai contoh jika seorang pengguna membuka kategori kriminal, maka yang ditampilkan adalah semua jenis berita kriminal tanpa memberikan informasi yang spesifik dari jenis kriminalitasnya. Permasalahan tersebut dapat diatasi dengan mengklasifikasikan berita kriminalitas berdasarkan subkategori. Penelitian ini menggunakan metode Naïve Bayes Classifier (NBC)  untuk mengklasifikasi berita berdasarkan sub kategorinya. Adapun subkategori terbagi kedalam 5 kategori yaitu korupsi, narkoba, pencurian, pemerkosaan dan pembunuhan. Penelitian ini bertujuan untuk mengetahui kemampuan NBC dalam mengklasifikasi berita dengan melakukan pengujian menggunakan teknik K-Fold Cross Validation dengan nilai K dari 3 sampai 10. Hasil pengujian menyatakan bahwa NBC memiliki kemampuan dalam klasifikasi berita kriminal dengan nilai precision sebesar 98,53 %, nilai recall sebesar 98,44 % dan nilai accuracy sebesar 99,38 %.

Klasifikasi Jenis Penyandang Masalah Kesejahteraan Sosial Menggunakan Naïve Bayes

2020 ◽  
Vol 6 (1) ◽  
pp. 54-61
Author(s):  
Nurhaeni Nurhaeni
Keyword(s):  
Ve Bayes

Kebutuhan utama dalam merumuskan kebijakan, program, dan kegiatan pembangunan kesejahteraan sosial adalah ketersediaan data Penyandang Masalah Kesejahteraan Sosial (PMKS). Setiap individu dalam sebuah rumah tangga sangat miskin cenderung memiliki lebih dari satu kategori jenis PMKS. Hal ini akan mempengaruhi dalam penentuan jenis bantuan yang layak diterima, dimana sebaiknya setiap individu hanya dikategorikan ke dalam satu jenis PMKS. Dengan demikian setiap individu hanya akan menerima satu jenis bantuan.  Jenis PMKS dengan pendekatan keluarga ditentukan berdasarkan 12 kriteria yaitu umur, jenis kelamin, status perkawinan, pekerjaan, pendidikan, kecukupan ASI, imunisasi, makanan sehat, pengobatan, kondisi kecacatan, orang tua tunggal, dan perhatian dari keluarga. Sebagai upaya dalam mengoptimalkan klasifikasi jenis PMKS, digunakan metode Naïve Bayes. Berdasarkan penelitian yang dilakukan, tingkat akurasi dari penggunaan metode naïve bayes adalah sebesar 83,87%. Dengan demikian dapat disimpulkan bahwa metode klasifikasi Naïve Bayes dapat digunakan untuk klasifikasi jenis PMKS.

Relationship between Naïve Bayes error and max-dependency criterion in feature selection problems

ICCKE 2013 ◽  
2013 ◽  
Author(s):  
Nafiseh Sedaghat ◽  
Mahmood Fathy ◽  
Mohammad-Hossein Modarressi
Keyword(s):  
Feature Selection ◽  
Ve Bayes ◽  
Selection Problems ◽  
Bayes Error

scholarly journals Document representations for classification of short web-page descriptions

2008 ◽  
Vol 18 (1) ◽  
pp. 123-138 ◽  
Author(s):  
Milos Radovanovic ◽  
Mirjana Ivanovic
Keyword(s):  
Text Categorization ◽  
Web Search ◽  
Classification Performance ◽  
Document Representation ◽  
Web Page ◽  
Ve Bayes ◽  
Large Hierarchy ◽  
The Impact ◽  
Document Representations

Motivated by applying Text Categorization to classification of Web search results, this paper describes an extensive experimental study of the impact of bag-of- words document representations on the performance of five major classifiers - Na?ve Bayes, SVM, Voted Perceptron, kNN and C4.5. The texts, representing short Web-page descriptions sorted into a large hierarchy of topics, are taken from the dmoz Open Directory Web-page ontology, and classifiers are trained to automatically determine the topics which may be relevant to a previously unseen Web-page. Different transformations of input data: stemming, normalization, logtf and idf, together with dimensionality reduction, are found to have a statistically significant improving or degrading effect on classification performance measured by classical metrics - accuracy, precision, recall, F1 and F2. The emphasis of the study is not on determining the best document representation which corresponds to each classifier, but rather on describing the effects of every individual transformation on classification, together with their mutual relationships. .

A Naïve Bayes classifier for differential diagnosis of Long QT Syndrome in children

2010 ◽  
Author(s):  
Long Qu ◽  
Victoria L. Vetter ◽  
Geoffrey L. Bird ◽  
Haijun Qiu ◽  
Peter S. White
Keyword(s):  
Differential Diagnosis ◽  
Long Qt Syndrome ◽  
Bayes Classifier ◽  
Long Qt ◽  
Ve Bayes ◽  
Qt Syndrome

SISTEM KLASIFIKASI KECELAKAAN LALU LINTAS JALAN RAYA DI KOTA BOYOLALI MENGGUNAKAN METODE NAÏVE BAYES

2018 ◽  
Vol 2 (3) ◽  
pp. 190-203
Author(s):  
Shinta Budi Utami ◽  
Yasin Al Irsyadi
Keyword(s):  
Data Mining ◽  
Ve Bayes

Kota Boyolali mengalami peningkatan pertumbuhan penduduk per tahun dari tahun 2011-2014 sebesar 1,4% (BPS Boyolali 2016). Boyolali merupakan salah satu kota jalan lintas Solo-Semarang, sering dilewati beberapa kendaraan seperti container, truk, motor, mobil dan bus. Diperoleh informasi dari Satlantas Boyolali dalam tiga tahun terakhir terjadi peningkatan jumlah kecelakaan pada pelajar, mahasiswa, dan pekerja kurang dari 30 tahun. Tujuan penelitian ini untuk mengetahui klasifikasi sering atau tidaknya terjadi kecelakaan. Penelitian ini dilakukan untuk membangun sistem klasifikasi kecelakaan lalu lintas jalan raya di Kota Boyolali berbasis web dengan menggunakan teknik data mining yaitu metode naïve bayes. Metode naïve bayes yang di terapkan dalam sistem ini untuk menghitung probabilitas terbesar pada variabel independen yang telah ditentukan seperti umur, penyebab, tempat kejadian, hari, dan jam. Sedangkan variabel dependen dalam klasifikasi ini adalah sering atau tidaknya kecelakaan lalu lintas di Kota Boyolali. Hasil penelitian ini berupa sistem yang dapat membantu polisi untuk mengevaluasi klasifikasi kecelakaan.

Method of network traffic classification using Naïve Bayes based on FPGA

2013 ◽  
Author(s):  
Deng Zhijie ◽  
Wang Yong ◽  
Tao Xiaoling
Keyword(s):  
Network Traffic ◽  
Traffic Classification ◽  
Ve Bayes ◽  
Network Traffic Classification

Efficient and scalable multi-class classification using naïve Bayes tree

2014 ◽  
Author(s):  
Dewan Md. Farid ◽  
Mohammad Masudur Rahman ◽  
M A Al-Mamuny
Keyword(s):  
Ve Bayes ◽  
Multi Class Classification
Sign in / Sign up

Export Citation Format

Share Document