Gaussian Naïve Bayes dengan Harmonic Mean untuk Klasifikasi Hasil Produksi Gula Merah

Gaussian Naïve Bayes with Harmonic Mean for Brown Sugar Yield Classification

Abstrak

ABSTRAK

Industri gula merah pada CV Muara Abadi termasuk salah satu industri makanan yang ada di daerah kabupaten Banyumas. Hasil produksi gula merah yang dimiliki oleh CV tersebut belum diklasifikasi menjadi kelas naik atau turun sehingga CV masih belum dapat mengetahui naik atau turunnya hasil produksi yang didapat untuk minggu berikutnya. Permasalahan tersebut diperlukan adanya teknik data mining dalam pengklasifikasian hasil produksi gula merah untuk membantu CV agar mengetahui naik atau turunnya hasil produksi gula merah pada minggu berikutnya dan agar dapat mengetahui fluktuatif hasil produksi per tahun. Algoritma klasifikasi yang digunakan dalam teknik data mining yaitu algoritma Naïve Bayes dengan Harmonic Mean. Algoritma Naïve Bayes memiliki keuntungan dalam klasifikasi kelas yaitu hanya membutuhkan jumlah data pelatihan (training data) yang sedikit pada saat proses perhitungan. Data set yang digunakan merupakan data hasil produksi dari bulan Juli 2019 hingga bulan April 2022 yang telah diakumulasi per minggu sebanyak 136 data set. Data tersebut nantinya akan dibagi (split) terlebih dahulu menjadi data training dan data testing. Persentase perbandingan data yang digunakan yaitu 90% data training dan 10% data testing. Hasil yang diperoleh dari proses perhitungan klasifikasi hasil produksi yang telah dilakukan menghasilkan nilai accuracy sebesar 71,43% dengan nilai precision sebesar 100,00% dan recall sebesar 33,33%.

ABSTRACT

The brown sugar industry at CV Muara Abadi is one of the food industries in the Banyumas regency area. The brown sugar production results owned by the CV have not been classified into rising or falling classes so that the CV is still unable to know the rise or fall of the production results obtained for the next week. This problem requires a data mining technique in classifying brown sugar production results to help CVs to find out the rise or fall of brown sugar production results in the following week and to be able to find out the fluctuating production results per year. The classification algorithm used in data mining techniques is the x algorithm with Harmonic Mean. The Naïve Bayes algorithm has the advantage of class classification, which only requires a small amount of training data during the calculation process. The data set used is production data from July 2019 to April 2022 which has been accumulated per week as many as 136 data sets. The data will later be divided (split) first into training data and testing data. The percentage of data comparison used is 90% training data and 10% testing data. The results obtained from the calculation process of the classification of production results that have been carried out produce an accuracy value of 71.43% with a precision value of 100.00% and recall of 33.33%.