Studi Komparasi Metode SVM dan Naive Bayes pada Data Bencana Banjir di Indonesia

Abstract

Studi Komparasi Metode SVM dan Naive Bayes Pada Data Bencana Banjir di Indonesia bertujuan untuk mendapatkan dataset clean yang berisi bencana banjir lengkap dengan atribut cuaca. Pada dataset tersebut kemudian diimplementasikan model klasifikasi SVM dan Naive Bayes. Proses ini dilakukan agar performa antara SVM dan Naive Bayes dapat terlihat dan bisa dinilai mana yang lebih baik ketika diterapkan pada data bencana banjir di Indonesia. Penelitian dibagi menjadi tiga tahap utama, tahap pertama yaitu proses ekstraksi dataset. Proses tersebut bertujuan untuk mendapatkan dataset yang clean. Proses tersebut dilaksanakan dengan penerapan teknik data mining untuk menyatukan data cuaca dan data bencana alam berdasarkan tanggal dan lokasi kejadian. Tahap kedua yaitu proses implementasi klasifikasi, dan tahap terakhir yaitu proses capturing performa dari kedua model. Pada tahap terakhir pengukuran performa dari kedua model (SVM dan Naive Bayes) didapatkan dari Perhitungan akurasi dengan memanfaatkan confusion matrix, analisa ROC, kemudian parameter perbandingan selanjutnya yaitu waktu eksekusi. Hasil dari penelitian menunjukkan persentase Nilai akurasi rata-rata dari model SVM sebesar  48,90% sedangkan nilai akurasi dari Naive Bayes sebesar 64,70%. Sementara itu untuk masing-masing runtime SVM kurang lebih sebesar 720 mili detik dan naive bayes kurang lebih 280 mili detik. Dapat disimpulkan bahwa metode Naive Bayes lebih baik performanya dibandingkan dengan metode SVM ketika kedua metode tersebut diterapkan pada dataset yang sama yaitu dataset bencana banjir di Indonesia. Begitu pun dengan runtime, Naive Bayes masih lebih unggul karena memiliki waktu yang lebih singkat dalam proses trainning dan testing dibandingkan dengan SVM.

Kata kunci: svm, naïve bayes, comparative, classification