Perbandingan Metode Naïve Bayes, Support Vector Machine Dan Decision Tree Dalam Klasifikasi Konsumsi Obat

Abstract

Obat adalah suatu bahan yang berisi zat-zat yang berguna untuk mencegah atau menyembuhkan suatu penyakit pada makhluk hidup sehingga terjadi perubahan secara fisiologis atau psikologis selain itu obat psikoaktif merupakan obat yang mempengaruhi mental tetapi kebanyakan obat psikoaktif disalahgunakan untuk hal-hal yang tidak penting bahkan membahayakan. Terdapat banyak jenis obat psikoaktif, diantaranya ada 18 jenis obat-obatan legal maupun ilegal yaitu alcohol, amphetamines, amyl nitrite, benzodiazepine, cannabis, chocolate, cocaine, caffeine, crack, ecstasy, heroin, ketamine, legal highs, LSD, methadone, mushrooms, nicotine and volatile substance abuse consumption. Metode penelitian yang digunakan adalah metode Algoritma Naive Bayes, SVM, dan Decision Tree yaitu untuk memprediksi kecocokan data tersebut dilihat dari hasil akurasi yang didapatkan. Semakin besar akurasi yang dihasilkan maka semakin cocok data tersebut, dan semakin kecil akurasi yang dihasilkan maka semakin tidak cocok data tersebut. Peneliti menggunakan dataset Drug Consumption dalam bentuk format file .csv. Dataset ini diambil dari UCI Data Repository. Dataset Drug Consumption mengelompokkan tipe konsumen narkoba menurut pengukuran kepribadian. Berdasarkan penelitian yang telah dilakukan, maka hasil yang didapatkan dari membandingkan algoritma naive bayes, SVM (Support Vector Machine) dan Decision Tree adalah SVM (Support Vector Machine) merupakan algoritma yang paling baik. Sehingga kesimpulan yang didapat dari penelitian ini adalah sebelum memilih algoritma sebaiknya peneliti menganalisis data yang digunakan terlebih dahulu, dan SVM (Support Vector Machine) merupakan algoritma yang paling baik diantara algoritma Naïve Bayes, dan Decision Tree pada data Drug Consumption.