KLASIFIKASI KATEGORI PERTANDINGAN ATLET SILAT PERISAI DIRI MENGGUNAKAN METODE GAUSSIAN NAÏVE BAYES BERBASIS WEB

Dwi Saka Pangestu, Agung Nilogiri, Deni Arifianto

Abstract


Perisai Diri merupakan salah satu dari pencak silat yang ada di Indonesia dan aktif mengadakan kejuaraan internal atau kejuaraan antar unit/ranting Perisai Diri itu sendiri. Pertandingan internal Perisai Diri memiliki tiga kategori yaitu Tanding (Fight), TGR (Tunggal, Ganda, Regu)/Seni, dan Serang Hindar, dimana dari kategori pertandingan tersebut memiliki karakteristik dan kebutuhan pertandingan yang berbeda. Perisai Diri Jember masih belum memiliki sistem untuk membantu memilih atlet, selama ini pemilihan kategori untuk atlet dilakuakan secara manual. Tujuan dari penelitian ini yaitu untuk mengetahui tingkat akurasi, presisi, dan recall dalam klasifikasi atlet Perisai Diri dengan menggunakan 64 data. Metode klasifikasi yang digunakan pada penelitian kali ini yaitu Gaussian Naïve Bayes dan menggunakan metode pendukung K-Fold Cross Validation. Hasil dari penelitian ini didapatkan akurasi sebesar 57,1%, dengan recall terbesar terdapat pada TGR  80% dan presisi terbesar terdapat pada Fight 60%.

Keywords


Klasifikasi Atlet; Gaussian Naïve Bayes; Pencak Silat

References


Bustami. (2014). Penerapan Algoritma Naive Bayes. Jurnal Informatika, 8(1), 884–898.

Fauzi, A. (2016). Sistem Pendukung Keputusan Dalam Menentukan Supplier Infrastruktur IT ( Studi Kasus: PT. Cipta Karya Komputer ). SWABUMI, IV(2), 121–128.

Hutahaean, W., & Hasiguan, P. S. (2021). Sistem Pendukung Keputusan Penentuan Penerima Bantuan Bedah Rumah Menggunakan Metode Weighted Product Pada Kecamatan Borbor Wasindo. Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI), 4(1), 113–117.

Maryono, O. (1998). Pencak Silat Merentang Waktu. Pustaka Pelajar.

Pratama, Rendra, Y., & Trilaksana, A. (2018). Perkembangan Ikatan Pencak Silat Indonesia (IPSI) Tahun 1948-1973. e-Journal Pendidikan Sejarah, 6(3), 1–10.

Rohani, A., Taki, M., & Abdollahpour, M. (2018). A novel soft computing model (Gaussian process regression with K-fold cross validation) for daily and monthly solar radiation forecasting (Part: I). Renewable Energy, 115, 411–422.

Rustam, Z., & Audia Ariantari, N. P. A. (2018). Support Vector Machines for Classifying Policyholders Satisfactorily in Automobile Insurance. Journal of Physics: Conference Series, 1028(1), 1–8.

Santra, a. K., & Christy, C. J. (2012). Genetic Algorithm and Confusion Matrix for Document Clustering. International Journal of Computer Science, 9(1), 322–328.




DOI: https://doi.org/10.32528/jasie.v3i1.8738

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 JASIE: Jurnal Aplikasi Sistem Informasi dan Elektronika

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.