Perbandingan Algoritma C4.5 dengan Naive Bayes Untuk Klasifikasi Curah Hujan
DOI:
https://doi.org/10.70052/jka.v3i1.648Keywords:
Curah Hujan, Data Mining, C4.5, Naive Bayes, KlasifikasiAbstract
Penelitian ini membandingkan performa algoritma C4.5 dan Naive Bayes dalam mengklasifikasikan curah hujan dengan menggunakan data curah hujan selama 10 tahun di Kecamatan Jatiwangin, Kabupaten Majalengka. Algoritma C4.5, yang berbasis pada pohon keputusan, menunjukkan kemampuan dalam menangani data yang rumit dengan membagi data berdasarkan aturan tertentu. Di sisi lain, Naive Bayes, yang menggunakan pendekatan probabilitas sederhana, memberikan hasil yang sangat tepat. Hasil dari penelitian ini menunjukkan bahwa Naive Bayes memiliki tingkat akurasi 100%, sedangkan C4.5 mencapai 99,83%. Walaupun Naive Bayes lebih unggul dalam hal akurasi, C4.5 lebih mudah dipahami karena tampilannya yang jelas. Penelitian ini memberikan informasi penting dalam memilih algoritma yang tepat untuk klasifikasi curah hujan, tergantung pada kebutuhan akan akurasi atau kemudahan pemahaman.
This study compares the performance of the C4.5 and Naive Bayes algorithms in classifying rainfall using rainfall data for 10 years in Jatiwangin District, Majalengka Regency. The C4.5 algorithm, which is based on a decision tree, demonstrates the ability to handle complex data by dividing data based on specific rules. On the other hand, Naive Bayes, who uses a simple probability approach, gives very precise results. The results of this study show that Naive Bayes has an accuracy rate of 100%, while C4.5 reaches 99.83%. While Naive Bayes is superior in terms of accuracy, the C4.5 is easier to understand because of its clear appearance. This study provides important information in choosing the right algorithm for rainfall classification, depending on the need for accuracy or ease of understanding.
References
A. K. Hidayat and Empung, “Analisis Curah Hujan Efektif Dan Curah Hujan Dengan Berbagai Periode Ulang Untuk Wilayah Kota Tasikmalaya Dan Kabupaten Garut,” J. Siliwangi, vol. 2, no. 2, pp. 121–126, 2016.
R. Ruqoyah, Y. Ruhiat, and A. Saefullah, “Analisis Klasifikasi Tipe Iklim Dari Data Curah Hujan Menggunakan Metode Schmidt-Ferguson (Studi Kasus: Kabupaten Tangerang),” J. Teor. dan Apl. Fis., vol. 11, no. 01, pp. 29–38, 2023, doi: 10.23960/jtaf.v11i1.3076.
E. dan F. Rika Summalia, “Hujan Perspektif Al-Qur’an dan Sains,” Hadrah J. Keislam. dan Perad., vol. 17, pp. 65–74, 2023, [Online]. Available: https://ejournal.uinib.ac.id/jurnal/index.php/hadharah
E. Q. Ajr and F. Dwirani, “Dengan Metode Polygon Thiessen Daerah Kabupaten Lebak,” vol. 2, no. 2, pp. 139–146, 2019.
M. Alviriza Ramadhan, F. Tri Anggraeny, and C. Aji Putra, “Klasifikasi Curah Hujan Harian Menggunakan Metode K-Nearest Neighbor,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, pp. 3863–3869, 2024, doi: 10.36040/jati.v8i3.9817.
S. F. Rohmana, A. Rusgiyono, and S. Sugito, “Penentuan Faktor-Faktor Yang Mempengaruhi Intensitas Curah Hujan Dengan Analisis Diskriminan Ganda Dan Regresi Logistik Multinomial (Studi Kasus: Data Curah Hujan Kota Semarang dari Stasiun Meteorologi Maritim Tanjung Emas Periode Oktober 2018 – Maret 201,” J. Gaussian, vol. 8, no. 3, pp. 398–406, 2019, doi: 10.14710/j.gauss.v8i3.26684.
M. Juanda Saputra and M. Izman Herdiansyah, “Penerapan Naive Bayes Dalam Memprediksi Penjualan Dan Persediaan Kain Jumputan Pada Toko Batiq Colet Tuan Kentang Palembang,” J. Mantik, vol. 6, no. 2, pp. 2502–2507, 2022.
D. Damayanti, “Implementasi Algoritma C4.5 Prediksi Produksi Komoditas Tanaman Perkebunan Berdasarkan Luas Lahan,” TIN Terap. Inform. Nusant., vol. 2, no. 10, pp. 571–579, 2022, doi: 10.47065/tin.v2i10.1026.
M. Martin and L. Nilawati, “Comparison of C4.5 and Naïve Bayes Algorithms for Assessment of Public Complaints Services,” J. Informatics Telecommun. Eng., vol. 5, no. 1, pp. 101–111, 2021, doi: 10.31289/jite.v5i1.5292.
A. Khusaeri et al., “Algoritma C4.5 Untuk Pemodelan Daerah Rawan Banjir Studi Kasus Kabupaten Karawang Jawa Barat,” Ilk. J. Ilm., vol. 9, no. 2, pp. 132–136, 2017, doi: 10.33096/ilkom.v9i2.128.132-136.
L. Bachtiar and M. Mahradianur, “Analisis Data Mining Menggunakan Metode Algoritma C4.5 Menentukan Penerima Bantuan Langsung Tunai,” J. Inform., vol. 10, no. 1, pp. 28–36, 2023, doi: 10.31294/inf.v10i1.15115.
P. P. Haryoto, H. Okprana, and I. S. Saragih, “Algoritma C4.5 Dalam Data Mining Untuk Menentukan Klasifikasi Penerimaan Calon Mahasiswa Baru,” TIN Terap. Inform. Nusant., vol. 2, no. 5, pp. 358–364, 2021, [Online]. Available: https://ejurnal.seminar-id.com/index.php/tin/article/view/919
Septri Wanti Siahaan, Kristin Daya Rohani Sianipar , P.P.P.A.N.W Fikrul Ilmi R.H Zer, Dedy Hartama, “Penerapan Algoritma C4.5 dalam Menentukan Faktor yang Dapat Meningkatkan Kemampuan Bahasa Inggris pada Mahasiswa”, Jurnal Eksplora Informatika vol. 10, no. 1, pp. 65–67, 2020.
H. D. Darmawan, D. Yuniarti, and Y. N. Nasution, “Klasifikasi Lama Masa Studi Mahasiswa Menggunakan Perbandingan Metode Algoritma C.45 dan Algoritma Classification and Regression Tree,” J. Eksponensial, vol. 8, no. 2, pp. 151–160, 2017.
M. F. Rozi, “Penerapan Data Mining Menggunakan Metode Naive Bayes Untuk Klasifikasi Data Penentuan Hasil Penjualan Dalam Strategi Pemasaran,” J. Komput. Teknol. Inf. dan Sist. Inf., vol. 2, no. 2, pp. 444–454, 2023, doi: 10.62712/juktisi.v2i2.137.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Muhamd Wendy Martadiansyah, Arya Ghufron, Ryan Alfaret Hidayah, Dwi Salzabila, Lorenza Amanda (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
