Implementasi Naive Bayes Implementasi Naive Bayes Untuk Menentukan Wadah Limbah B3
Article Sidebar
Main Article Content
Abstract
Perkembangan sektor industri yang semakin pesat dalam memenuhi kebutuhan hidup setiap harinya membutuhkan bahan kimia sebagai bahan utama dalam proses suatu produksi. Tidak sedikit dari bahan kimia tersebut mengandung zat berbahaya dan beracun yang dapat menimbulkan efek yang sangat membahayakan bagi lingkungan dan manusia. Oleh karena itu, perlu adanya penanganan khusus untuk mengurangi dampak buruk yang terjadi melalui proses pengelolaan limbah B3. Salah satu pendekatan yang dapat dilakukan untuk menganalisa kemasan limbah B3 adalah dengan metode klasifikasi. Dalam hal ini bertujuan untuk mengklasifikasi wadah limbah B3 untuk mengurangi resiko jika terjadi tumpahan dan bocoran. Adapun algoritma yang digunakan adalah naive Bayes. Dari 41 data limbah B3, 38 data diantaranya sudah terklasifikasi dengan benar dan 3 data tidak terklasifikasi dengan benar. Algoritma naive bayes mamanfaatkan data training dan data testing untuk mengklasifikasi wadah limbah tersebut. Dari hasil klasifikasi wadah limbah B3 diperoleh persentase 75% untuk akurasi prediksi wadah limbah B3.
Keywords: Limbah B3, Klasifikasi, Naive Bayes
Article Details
Copyright Notice
Authors who publish with Journal of Informatics, Information System, Software Engineering and Applications (INISTA) agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
References
[2] Presiden Republik Indonesia, “Peraturan Pemerintah Republik Indonesia Tahun 2001,” PP Nomor 74 Tahun 2001 Tentang Pengelolaan Bahan Berbahaya Dan Beracun, vol. 36, no. 10, pp. 800–805, 2001.
[3] D. Beracun, “Peraturan Pemerintah No . 85 Tahun 1999 Tentang : Perubahan Atas Peraturan Pemerintah No . 18 Tahun 1999 Tentang Pengelolaan Limbah Bahan Berbahaya,” no. 85, 1999.
[4] N. Yuda Septian, “Data Mining Menggunakan Algoritma Naïve Bayes Untuk Klasifikasi Kelulusan Mahasiswa Universitas Dian Nuswantoro,” J. Semant. 2013, pp. 1–11, 2009.
[5] A. F. Hadi, “PERANCANGAN APLIKASI DATA MINING TRANSAKSI PENJUALAN UNTUK MENGETAHUI POLA,” vol. 25, no. 1, pp. 37–44, 2018.
[6] sarwo, “Hybrid Method Menggunakan Data Mining dan Naive Bayes Model Untuk Prediksi Studi Kasus Keursakan Lampu Efek,” vol. 4, 2016.
[7] D. Mining, N. B. Classifier, and P. Telkom, “Penerapan Teknik Data Mining Untuk Klasifikasi Ketepatan Waktu Lulus Mahasiswa Teknik Informatika Universitas Telkom Menggunakan Algoritma Naive Bayes Classifier Application of Data Mining Techniques for Classification the Graduation on Time of Informatic,” 2014.
[8] J. Statistika, F. Metematika, D. A. N. Ilmu, P. Alam, and U. I. Indonesia, “ANALISIS KLASIFIKASI SENTIMEN REVIEW APLIKASI E-TICKETING MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN ASOSIASI,” 2018.
[9] A. Andriani, “SISTEM PENDUKUNG KEPUTUSAN BERBASIS DECISION TREE DALAM PEMBERIAN BEASISWA STUDI KASUS : AMIK ‘ BSI YOGYAKARTA ,’” vol. 2013, no. Sentika, 2013.