Sistem Data Mining Metode Naive Bayes v2 (Klasifikasi Karakteristik Kepribadian)
Produk ini berisi source code dan ulasan tentang program aplikasi penerapan data mining menggunakan metode naive bayes classifier berbasis Web dengan bahasa pemrograman PHP dan basis data MySQL. Studi kasus aplikasi ini adalah Data Mining dalam Melakukan Klasifikasi Karakteristik Kepribadian Siswa. Aplikasi ini akan menghasilkan informasi nama kepribadian siswa dari data uji berdasarkan data training/data latih yang digunakan. Hasil analisa didapatkan dari proses klasifikasi yang dilakukan naive bayes berdasarkan total data training. Klasifikasi dapat dilakukan dengan data uji secara otomatis pada sistem dengan mengupload data dalam format excel, atau siswa melakukan klasifikasi secara manual pada sistem dengan login di akun masing-masing.
Berikut beberapa halaman dan fitur yang disediakan pada aplikasi sistem:
1. Siswa, halaman pengelolaan data siswa.
2. Data latih, pengelolaan data hasil kuisioner yang diadakan, ini adalah data latih yang dipindahkan ke excel dan dapat diimport ke sistem.
3. Data soal, data soal kuisioner yang dilakukan siswa untuk melakukan klasifikasi di sistem, ini juga data yang dipindahkan ke excel dan dapat diimport ke sistem.
4. Data uji, halaman pengelolaan data siswa untuk dilakukan pengujian di sistem.
5. Uji akurasi, halaman proses klasifikasi. Proses ini dapat dilakukan dengan mengimport data uji atau melakukan klasifikasi manual dengan login di akun masing-masing siswa untuk mulai menjawab kuisioner.
6. Hasil klasifikasi 1, halaman hasil klasifikasi data uji yang menampilkan informasi jumlah prediksi, presentase akurat, tidak akurat, jumlah prediksi tepat dan prediksi tidak tepat.
7. Hasil klasifikasi 2, halaman hasil klasifikasi yang dilakukan oleh siswa pada sistem.
Perbedaan dengan Aplikasi Data Mining Metode Naive Bayes v1:
1. Tampilan program
2. Tujuan implementasi
3. Manajemen data yang lengkap
4. Data latih dapat di import dari excel
5. Hasil analisa dan klasifikasi lengkap dan disertai peritungan manual
Data mining merupakan metode pengolahan data berskala besar oleh karena itu data mining ini memiliki peranan penting dalam bidang industri, keuangan, cuaca, ilmu dan teknologi. Secara umum kajian data mining membahas metode-metode yang bertujuan untuk Prediksi, Klasifikasi, Pengelompokan, Asosiasi dan Estimasi.
Sistem data mining sering disebut sistem pengolahan data untuk menemukan pola yang tersembunyi dari data tersebut. Hasil dari pengolahan data dengan metode data mining dapat digunakan untuk mengambil keputusan di masa depan.
Dapatkan ulasan dan source code aplikasi untuk berbagai tujuan, seperti Prediksi, Klasifikasi, Pengelompokan, Asosiasi dan Estimasi. Contoh penerapan metode data mining yang kami kembangkan meliputi metode Neural Network, Decision Tree dan Forecasting, metode Naive Bayes Classifier dan K-Nearest Neighbor, metode K-Means Clustering, Hierarchical Clustering, dan Self Organizing Map, metode Apriori, FP-Growth, Generalized Sequential Pattern dan algoritma GRI, metode Point Estimation & Confidence Interval Estimations, Simple Linear Regression & Correlation, dan Multiple Regression.
