PERBANDINGAN AKURASI ALGORITMA NAÏVE BAYES, K-NN DAN SVM DALAM MEMPREDIKSI PENERIMAAN PEGAWAI Novendra Adisaputra Sinaga1*), B. Herawan Hayadi2), Zakarias Situmorang3) 1 Program Studi Komputerisasi Akuntansi, Politeknik Bisnis Indonesia Email : mrnoven@gmail.com 2Program Studi Ilmu Komputer, Universitas Potensi Utama Naive Bayes merupakan metode Klasifikasi sederhana. Metode ini memanfaatkan teorema probabilitas yaitu mencari peluang terbaik, dengan memprediksi probabilitas di masa depan berdasarkan informasi 7. Naive Bayes Algoritma ini menggunaan prinsip teorema Bayes. Sehingga pada proses pengolahan data, masing-masing feature (feature itu semacam parameter, dalam kasus klasifikasi Iris, features-nya antara lain adalah panjang dan lebar sepal dan petal) dianggap independen atau tidak terkait satu sama lain. 2.3 Naïve Bayes Naive Bayes merupakan teknik prediksi berbasis probabilistik sederhana yang berdasar pada penerapan teorema Bayes (aturan Bayes) dengan asumsi independensi (ketidaktergantungan) yang kuat (naif). Dengan kata lain, dalam Naive Bayes model yang digunakan adalah “model fitur independen” [7]. Probabilitas (H|E,e) Dimana : Algoritma Random Forest diperkenalkan oleh Leo Breiman dan Adele Cutler. Algoritma ini didasarkan pada konsep ensemble learning, yakni proses menggabungkan beberapa pengklasifikasi untuk memecahkan masalah yang kompleks dan untuk meningkatkan kinerja model. Cara Kerja Algoritma Random Forest. Random Forest bekerja dalam dua fase. When most people want to learn about Naive Bayes, they want to learn about the Multinomial Naive Bayes Classifier - which sounds really fancy, but is actuall Bagaimana Cara Kerja Naive Bayes? Implementasi Praktis Naive Bayes Di R Naive Bayes adalah algoritma Supervised Machine Learning berdasarkan Teorema Bayes yang digunakan untuk menyelesaikan masalah klasifikasi dengan mengikuti pendekatan probabilistik. File Excel ini berisikan 8 sheet perhitungan dari 3 algoritma; Naive Bayes (atribut numerik, deskrit, campuran), k-NN (atribut numerik, campuran ), C4.5 (numerik, deskrit) Harga File Rp. 85.000, - Jika Custom Data pada satu Algoritma Rp. 150.000,-Bonus perhitungan Confusion Matrix. File Excel untuk Satu Agoritma saja Rp. 30.000,- IJHL87k.