Perbandingan metode klasifikasi Support Vector Machine (SVM) dan Naive Bayes Classifier (NBC) untuk menentukan kualitas udara

ABSTRAK

Udara sehat sangat penting bagi kehidupan manusia dan kelangsungan hidup organisme lain sehingga masyarakat dan pemerintah perlu mengetahui seberapa baik dan tercemarnya udara tersebut, maka diperlukan pengelompokan terhadap data kualitas udara menggunakan klasifikasi yaitu menganalisa dan menentukan keadaan udara ke dalam kelas tertentu menggunakan metode supervised learning untuk menghasilkan akurasi dalam pengklasifikasian, dalam penelitian ini dilakukan perbandingan antara klasifikasi dengan metode Support Vector Machine (SVM) dan metode Naïve Bayes Classifier (NBC). Hasil pengujian yang dilakukan pada data kualitas udara Jakarta 2021, metode Support Vector Machine (SVM) memperoleh rata-rata akurasi sebesar 95.44%, Precision 87.05%, Recall 92.09% adapun metode Naïve Bayes Classifier (NBC) menghasilkan rata-rata akurasi sebesar 89.11%, Precision 90.44%, Recall 78.22%, sehingga Support Vector Machine (SVM) menghasilkan rata-rata akurasi lebih tinggi dibanding Naïve Bayes Classifier (NBC). Hasil akurasi akan berbeda tergantung dari banyaknya data dan prosentase pembagian data training dan testing.

مستخلص البحث

الهواء الصحي مهم جدًا لحياة الإنسان وبقاء الكائنات الحية الأخرى ، لذلك يحتاج الجمهور والحكومة إلى معرفة مدى جودة الهواء وتلوثه ؛ من الضروري تصنيف بيانات جودة الهواء باستخدام التصنيف ، أي تحليل وتحديد ظروف الهواء إلى فئات معينة باستخدام طرق التعلم الخاضعة للإشراف لتحقيق الدقة في التصنيف ، وفي هذه الدراسة تم إجراء مقارنة التصنيف مع المؤيدين طريقة آلة المتجهات (SVM) و ساذج بايز مصنف (NBC). نتائج الاختبارات التي تم إجراؤها على بيانات جودة الهواء في جاكرتا في عام ٢٠٢١، تتميز طريقة آلة المتجهات الداعمة (SVM) بمتوسط ​​دقة ٩٥.٤٤٪ ، دقة ٨٧.٠٥٪ ، تذكر٩٢.٠٩ ٪ ، بينما تنتج طريقة و ساذج بايز مصنف و ساذج بايز مصنف (NBC) متوسط ​​الدقة ٨٩.١١٪ ، دقة ٩٠.٤٤٪ ، تذكر٧٨.٢٢٪ ، بحيث تتمتع آلة متجه الدعم (SVM) بمتوسط ​​دقة أعلى من مصنف و ساذج بايز مصنف (NBC). ستختلف نتائج الدقة اعتمادًا على كمية البيانات ونسبة التدريب ومشاركة بيانات الاختبار

ABSTRACT

Healthy air is crucial for human life and the survival of other organisms, so society and the government need to know how good and polluted the air is; it is necessary to classify the air quality data using classification, namely analyzing and determining the state of the air into certain classes using the supervised learning method to produce accuracy in the category, in this study a was made a comparison between the classification with the Support Vector Machine (SVM) method and the Naïve Bayes Classifier (NBC) method. The results of the tests carried out on Jakarta 2021 air quality data, the Support Vector Machine (SVM) method obtained an average accuracy of 95.44%, Precision 87.05%, Recall 92.09%, while the Naïve Bayes Classifier (NBC) method produced an average accuracy of 89.11%, Precision 90.44%, Recall 78.22%, so the Support Vector Machine (SVM) has higher average accuracy than the Naïve Bayes Classifier (NBC). Accuracy results will differ depending on the amount of data and the percentage of training and testing data sharing.