Perbandingan Metode Support Vector Machine dan Naive Bayes Classifier untuk Klasifikasi Survey Kepuasan Masyarakat terhadap Layanan UPT BLK Surabaya

Abstract

Abstrak— Teknologi akan terus menerus mengalami perkembangan seiring dengan perkembangan zaman. Hal ini mengakibatkan keperluan manusia untuk dapat mengakses informasi secara cepat , akurat, dan se-efisien mungkin. Salah satu yang mengalami perkembangan adalah dalam pengolahan data. Klasifikasi data adalah teknik untuk membagi data menjadi beberapa kelas menggunakan fitur-fitur yang didapat dari data. Support Vector Machine dan Naïve Bayes Classifier adalah contoh algoritma yang umum digunakan dalam proses klasifikasi.

Menurut penelitian yang terdahulu, perbandingan algoritma klasifikasi hanya menggunakan 4 metrik penilaian, yaitu: nilai akurasi, nilai precision, nilai recall, dan nilai f1-score, namun belum banyak penelitian yang juga menyertakan waktu eksekusi dari program tersebut. Dari latar belakang di atas, muncul pertanyaan bagaimana perbandingan performa kinerja dan waktu eksekusi kedua algoritma tersebut.

Proses penelitian dimulai dengan mengumpulkan dan mengolah data untuk dapat digunakan dalam proses klasifikasi. Setelah dataset dilakukan pra-pemrosesan, data dapat dibagi menjadi 3 untuk pelatihan, validasi, dan pengujian. Dalam 3 proses ini akan juga dihitung waktu eksekusi dari program. Berdasarkan hasil penelitian, Algoritma SVM unggul dalam 4 metrik dan waktu eksekusi dibandingkan dengan algoritma NBC.

Kata Kunci— Klasifikasi, Support Vector Machine, Naïve Bayes Classifier, Confusion Matrix, Indeks Kepuasan Masyarakat.