Klasifikasi Gangguan Jaringan Low Bandwidth Bank Tabungan Negara (BTN) dengan Perbandingan Metode K-Nearest Neighbor dan Metode Naive Bayes (Studi Kasus : PT. Ipwan Global Telecomm)

Authors

  • Sasmita Salsabeela Program Pasca Sarjana, STMIK Jakarta STI&K
  • Latifah Bahrudin Suryobroto STMIK Jakarta STI&K

Keywords:

Data Mining, Naive Bayes classifier, RapidMinner, Gangguan Jaringan.

Abstract

Klafisikasi adalah teknik dalam data mining yang digunakan untuk mengelompokan data terhadap data sampel yang bertujuan untuk mengetahui efektivitas data yang masuk dalam pengelompokan.  Hasil pengklasifikasian sangatlah penting bagi beberapa perusahaan dalam membuat sebuah keputusan, termasuk PT IPWAN GLOBAL TELECOMM yang menggunakan metode data mining klasifikasi Naive bayes. Naive Bayes dipilih berdasarkan perbandingan penelitian terdahulu yang menunjukan metode tersebut cocok dengan kebutuhan PT IPWAN GLOBAL TELECOMM dalam pengklasifikasian ganguang jaringan berskala berat. Hasil peneilian menghasilkan  Class Recall sebesar 96.08% dan hasil akhir perbandingan antara perhitungan manual dan perhitungan dengan software RapidMinner yang sesuai.

Informasi Artikel


Cite This Article:

Sasmita Salsabeela, Latifah Bahrudin Suryobroto, 2022, Klasifikasi Gangguan Jaringan Low Bandwidth Bank Tabungan Negara (BTN) dengan Perbandingan Metode K-Nearest Neighbor dan Metode Naive Bayes (Studi Kasus : PT. Ipwan Global Telecomm), 21, 2, 03 June 2022, http://dx.doi.org/10.32409/jikstik.21.2.2812

Published

2022-06-03