I JUNI 2021
p-ISSN: 2339-1928 e-ISSN: 2579-633X Halaman : 68 - 72
Windi Irmayani
Kata Kunci :
Visualisasi Data, Data Mining,
Klasifikasi Naïve Bayes
I. PENDAHULUAN
Selama dua dekade terjadi peningkatan yang Grafik merupakan visualisasi data yang
luar biasa terhadap jumah data yang disimpan menggambarkan hubungan antar antara
secara elektronik. Data akan bertambah terus dua variable. Gafik diantaranya garis,
menerus dan berpotensi menjadi sampah. Data batang, lingkaran luasan, solid dan pictorial.
akan berguna jika dilakukan pengolahan sehingga 2. Diagram
terjadi penemuan pengetahuan. “Untuk mengolah Visuallisasi data yang menggambarkan
data yang jumlahnya besar tersebut menjadi gambaran umum suatu proses.
sebuah informasi atau pengetahuan, diperlukan 3. Chart
suatu teknik/metode yang dinamakan dengan visualisasi yang menggambarkan hubungan
data mining”(Suntoro, 2019). yang ringkas. Chart diantaranya tree, flow,
Salah satu metode data mining adalah outline dan tabular.
klasifikasi naïve bayes. “Naïve Bayes Classifier
merupakan sebuah metoda klasifikasi yang Dataset yang digunakan adalah bawaan dari
berakar pada teorema Bayes” (Widianto, 2019). aplikasi data mining Orange. Dataset berisikan
Naïve Bayes menghasilkan data yang terklasifikasi data hewan yang ada pada kebun binatang.
dengan metode probabilitas dan statistik untuk Dengan metode klasifikasi naïve bayes data hewan
memprediksi masa datang berdasarkan masa lalu. yang ada akan diklasifikasikan menjadi beberapa
Hasil dari perhitungan data mining jenis hewan seperti burung, serangga dan
menggunakan metode klasifikasi naïve bayes ini sebagainya. Setelah diklasifikasi hasil perhitungan
akan makin berguna ketika penyajiannya menarik disajikan dengan visualisasi berupa grafik. Grafik
dan dapat dipahami dengan baik oleh penerima ini disajikan dengan harapan penerima data
data. Terdapat beberapa cara menyajikan data memahami dengan baik situasi yang ada sehingga
diantaranya adalah dengan visualisasi data. membantu dalam pengambilan keputusan.
Visualisasi data merupakan penyajian data yang
menarik dan mudah untuk dipahami II. BAHAN DAN METODE
menggunakan grafik. Sehingga visualisasi data Perhitungan klasifikasi naïve bayes maupun
dapat membantu mempercepat pengambilan visualisasi data menggunakan aplikasi Orange.
keputusan yang tepat. “Visualisasi datadapat 1. Persiapan Dataset
menggambarkan relasi dan pola antara variable Dataset yang digunakan merupakan
yang ada dalam data” ( dataset bawaan dari aplikasi Orange
http://lbi.si.fti.unand.ac.id/). dengan nama file zoo.tab
Jenis-jenis visualisasi data antara lain: 2. Select Columns
1. Grafik
68
Visualisasi Data Pada . . . .
JURNAL KHATULISTIWA INFORMATIKA VOL. IX, NO. I JUNI 2021
p-ISSN: 2339-1928 e-ISSN: 2579-633X Halaman : 68 - 72
69
Visualisasi Data Pada . . . .
JURNAL KHATULISTIWA INFORMATIKA VOL. IX, NO. I JUNI 2021
p-ISSN: 2339-1928 e-ISSN: 2579-633X Halaman : 68 - 72
2. Select Columns
Select Columns mendapat masukan dari
data dan features. Dan menghasilkan
keluaran berupa data dan features. Data
didapat setelah menghubungkan widget
file dengan select columns seperti di
bawah ini.
5. Confusion Matrix
Berdasakan Hasil Evaluasi dari Test and
Scroe Confusion Matrix menghasilkan
Selected Data dan Data
70
Visualisasi Data Pada . . . .
JURNAL KHATULISTIWA INFORMATIKA VOL. IX, NO. I JUNI 2021
p-ISSN: 2339-1928 e-ISSN: 2579-633X Halaman : 68 - 72
6. ROC Analysis
ROC Analysis didapat dari Hasil Evaluasi.
Menggambarkan hubungan Sensifitas
71
Visualisasi Data Pada . . . .
JURNAL KHATULISTIWA INFORMATIKA VOL. IX, NO. I JUNI 2021
p-ISSN: 2339-1928 e-ISSN: 2579-633X Halaman : 68 - 72
REFERENSI
Chairunnisa, Syifa. 2019. Pentingnya visualisasi
data untuk informasi yang menarik.
(Online), (https://
http://lbi.si.fti.unand.ac.id/pentingnya-
visualisasi-data-untuk-informasi-yang-
menarik/, diakses 08 Desember 2020).
IV. KESIMPULAN
Data Mining dengan metode Naïve Bayes
mampu dengan baik mengklasifikasi 101 hewan
72
Visualisasi Data Pada . . . .