Analisis perbandingan metode K-NN dan Decision Tree dalam klasifikasi kenyamanan Thermal bangunan

ABSTRAK

Pengolahan data serta pemanfaatan data untuk suatu kebutuhan beraneka ragam dan variasi bentuknya, semakin banyak data yang diterima maka semakin banyak pula teknik untuk mengolah data tersebut. Mengenai akan hal ini dilakukan sebuah penelitian yang mengambil sampeldata dari absensi karyawan di bengkel Eltech Prima Electrical untuk menentukan variable penentu penilaian sebagai bahan penelitian. Metode Naive Bayes dan KNN digunakan sebagai klasifikasi peneilaian kinerja karyawan serta digunakan pula metode K-Means guna menentukan nilai K pada metode KNN dan Naive bayes yang digunakansebagai kalsifikasi. Dari analisa yang telah dilakukan menggunakan metode K-nearest neighbor (KNN) menghasilkan akurasi rata-rata sebesar 93.89%, Precision 86.90% Recall 90.10% sedangkan metode naive bayes menghasilkan akurasi rata-rata sebesar 80.34%, Precision 92.34%, Recall 74.55%, dimana KNN menghasilkan akurasi lebih tinggi dibandingkan Naive bayes. Hasil akurasi akan berbeda tergantung dari banyaknyadata dan presentasi dan pembagian data training dan testing.

ABSTRACT

Data processing and data utilization for a variety of needs and variations in form, the more data received, the more techniques to process the data. Regarding this, a study was conducted that took data samples from employee attendance at the Eltech Prima Electrical workshop to determine the determining variables for the assessment as research material. The Naive Bayes and KNN methods are used as classifications for evaluating employee performance and the K-Means method is also used to determine the K value in the KNN and Naive Bayes methods which are used as classifications. From the analysis that has been done using the K-nearest neighbor (KNN) method, it produces an average accuracy of 93.89%, Precision 86.90% Recall 90.10% while the Naive Bayes method produces an average accuracy of 80.34%, Precision 92.34%, Recall 74.55%, where KNN produces higher accuracy than Naive Bayes. Accuracy results will vary depending on the amount of data and presentation and distribution of training and testing data.

مستخلص البحث

زادت البيانات الواردة ، زادت التقنيات لمعالجة البيانات. في هذا الصدد ، تم إجراء دراسة أخذت عينات بيانات من حضور الموظفين في ورشة Eltech Prima Electrical لتحديد المتغيرات المحددة للتقييم كمواد بحثية. تُستخدم طرق Naive Bayes و KNN كتصنيفات لتقييم أداء الموظف ، كما تُستخدم طريقة K-Means لتحديد قيمة K في طرق KNN و Naive Bayes التي تُستخدم كتصنيفات. من التحليل الذي تم إجراؤه باستخدام طريقة K-الأقرب (KNN) ، ينتج متوسط ​​دقة 93.89٪ ، دقة 86.90٪ Recall 90.10٪ بينما طريقة Naive Bayes تنتج دقة متوسطة 80.34٪ ، Precision 92.34٪ ، أذكر 74.55٪ ، حيث تنتج KNN دقة أعلى من Naive Bayes. ستختلف نتائج الدقة اعتمادًا على كمية البيانات وعرض وتوزيع بيانات التدريب والاختبار.