MEMBUAT STUDI KASUS ALGORITMA CLASSIFICATION BESERTA

KESIMPULANNYA

TUGAS ALGORITMA CLASSIFICATION

Untuk Melengkapi Nilai Mata Kuliah

Kecerdasan Bisnis

Dosen Pengampu: Mei Purweni, S.Kom., M.Eng

Oleh :

Kharisma Nadhif Firmansyah

(180101113)

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS ILMU KOMPUTER

UNIVERSITAS DUTA BANGSA SURAKARTA

2021
1. Studi Kasus Algoritma Classification
A. Algoritma Naive Bayes
Penerapan Algoritma Naive Bayes yaitu mengklasifikasi kebiasaan negatif
bermain Tiktok pada pelajar dari MAN 1 Karanganyar. Algoritma Naive Bayes
sendiri digunakan untuk mengklasifikasi keseluruhan yaitu nama, jenis kelamin,
usia, jumlah hari, dan klasifikasi yang berupa kebiasaan negatif dan normal.
Penerapan Algoritma Naive Bayes sendiri diharapkan mampu untuk memprediksi
besar pengaruh negatif ketika bermain tiktok bagi remaja agar bisa mudah untuk
mengklasifikasikannya.
B. Algoritma K-Nearest Neighbor
Algoritma K-Nearest Neighbor adalah untuk merekomendasikan buku-buku
bagi konsumen sesuai dengan keinginan pada Toko Buku Bu Sriwedari.
Algoritma K-Nearest Neighbor dapat digunakan untuk model mengklasifikasikan
data berdasarkan jarak terdekat. Algoritma inipun ada untuk membantu konsumen
dalam pemilihan buku berdasarkan tujuan pembelian seperti perkuliahan, resep-
resep, pelajaran sekolah, harga dan juga merk buku yang diinginkan. Algoritma ini
dapat juga membantu konsumen untuk memberikan beberapa referensi agar tidak
panik dan bingung ketika berhadapan dengan penjual dalam pemilihan buku yang
sesuai dengan keinginan.
C. Algoritma Decision Tree
Algoritma Decision Tree (C4.5) adalah untuk memprediksi bentuk loyalitas
pelanggan pada Ganesha Gym Karanganyar. Ada beberapa variabel yang dapat
memprediksi loyalitas pelanggan di Ganesha Gym Karanganyar adalah jenis
kelamin, umur, frekuensi transaksi, dan kapan pelanggan pertama kali melakukan
transaksi. Ganesha Gym juga mengetahui bagaimana memprediksi pelanggan
yang akan loyal terhadap tempat ini berdasarkan pengalaman dari beberapa
variabel diatas, namun perusahaan tidak mengetahui variabel yang paling
berpengaruh dalam penilaian pelanggan yang loyal karena dari beberapa variabel
diatas tidak saling terhubung dan belum pasti kalau satu variabel dapat membuat
keputusan apakah pelanggan tersebut loyal. Algoritma Decision Tree (C4.5) ini
pun dapat membantu Ganesha Gym Karanganyar dalam membentuk model
klasifikasi pohon keputusan agar bisa memprediksi bentuk loyalitas dari
pelanggan dan melihat variabel mana yang sangat berpengaruh.
D. Algoritma Neural Network
Algoritma Neural Network adalah untuk meramalkan jumlah pelanggan di
Burjo Tosca 2 Karanganyar. Algoritma Neural Network bisa digunakan untuk
membantu menganalisa dan meramalkan jumlah pelanggan pada sebuah warung.
Setelah data didapatkan, maka warung tersebut dapat mengatur kebijakan dan bisa
saja menambahkan bangku pelanggan. Tujuannya adalah untuk menerapkan
metode Algoritma Neural Network terhadap prediksi pelanggan ke Burjo Tosca 2
Karanganyar dan bisa mengimplementasikan metode Algoritma Neural Network
dalam membangun suatu wilayah wisata kuliner agar bisa membantu pemerintah
ataupun swasta dalam menciptakan sentral untuk kuliner.
E. Algoritma Logika Fuzzy
Game sebagai media hiburan telah berkembang dengan pesat seiring dengan
perkembangan teknologi. Salah satu unsur yang berperan penting dalam sebuah
game adalah kecerdasan buatan. Dengan kecerdasan buatan, elemen-elemen
dalam game dapat berperilaku sealami mungkin layaknya manusia.
Dalam game ini dikembangkan implementasi kecerdasan buatan dalam
game dimana salah satu elemen game yaitu NPC (Non Playable Character),
mampu mengenali emosi dari teks berbahasa indonesia sekaligus merespon
dengan perilaku sesuai dengan jenis emosinya. Metode yang digunakan dalam
 penelitian ini adalah klasifikasi teks sebagai penentu jenis emosi dalam teks dan
logika fuzzy sebagai penentu perilaku dari NPC yang sesuai dengan jenis
emosinya.

2. Kesimpulan
Kesimpulan dari Algoritma Naive Bayes untuk mengklasifikasi kebiasaan
negarif bermain Tiktok pada pelajar di MAN 1 Karanganyar telah menghasilkan
suatu informasi, pengetahuan baru, dan sebuah pola untuk mengklasifikasi tingkat
buruk kebiasaan bermain Tiktok. Tujuannya perhitungan pada data mining yang
berisi data training dan data testing untuk menghasilkan suatu informasi baru apakah
para pelajar MAN 1 Karanganyar ini banyak melakukan kebiasaan negatif setelah
bermain Tiktok atau tidak. Pemilihan metode Algoritma Naive Bayes bisa mudah
untuk dipahami bagi pemula dan hasil akhir dari pengolahan data dengan
penggunaan metode Naive Bayes menunjukkan bahwa pelajar MAN 1 Karanganyar
tidak melakukan kebiasaan buruk setelah bermain Tiktok..
Kesimpulan dari Algoritma K-Nearest Neighbor untuk merekomendasikan
buku-buku bagi konsumen sesuai dengan keinginan pada Toko Buku Bu Sriwedari
telah dihasilkan suatu sistem yang membuat konsumen dapat menentukan buku-buku
yang akan dipilih dan dibeli. Ini sangatlah membantu bagi konsumen sebab harga
buku-buku tersebut tidaklah murah sehingga apabila konsumen salah dalam memilih
buku yang dibeli sesuai keinginannya maka tentunya konsumen itu tidak dapat
memanfaatkan buku tersebut karena tidak sesuai. Algoritma K-Nearest Neighbor
bisa memberikan rekomendasi buku-buku sesuai dengan kebutuhan dari konsumen.
Kesimpulan dari Algoritma Decision Tree (C4.5) untuk memprediksi bentuk
loyalitas pelanggan pada Ganesha Gym Karanganyar telah dihasilkan variabel yang
paling berpengaruh yaitu jenis kelamin pelanggan. Selain itu, Algoritma Decision
Tree (C4.5) bisab erguna untuk pengeksplorasian data, menemukan hubungan
tersembunyi antara sejumlah calon variabel input dengan sebuah variasi dan mampu
mengeliminasi perhitungan atau data-data yang dikiranya tidak diperlukan.
 Dari penerapan Algoritma Neural Network untuk meramalkan jumlah
pelanggan di Burjo Tosca 2 Karanganyar telah dihasilkan suatu prediksi
pelanggan dan mengimplementasikan metode Algoritma Neural Network tawan
dan pengimplementasian metode Algoritma Neural Network dalam membangun
suatu wilayah wisata kuliner agar bisa membantu pemerintah ataupun swasta
dalam menciptakan sentral untuk kuliner.
Kesimpulan dari Algoritma Logika Fuzzy untuk klasifikasi teks sebagai
penentu jenis emosi dalam teks dan logika fuzzy sebagai penentu perilaku dari
NPC yang sesuai dengan jenis emosinya telah dihasilkan NPC (Non Playable
Character) mampu mengenali emosi dari teks berbahasa indonesia sekaligus
merespon dengan perilaku sesuai dengan jenis emosinya.