Binary Number Classification Using Naïve Bayes for Digit Recognition

Klasifikasi Angka Biner dengan Metode Naive Bayes untuk Pengenalan Angka

  • Mirza Ardiana Politeknik Perkapalan Negeri Surabaya
  • Putri Nur Rahayu Politeknik Perkapalan Negeri Surabaya
  • Thomas Brian Politeknik Perkapalan Negeri Surabaya
  • Indri Ika Widyastuti Politeknik Perkapalan Negeri Surabaya
  • Sekarsari Wibowo Politeknik Perkapalan Negeri Surabaya

Abstract

Pengenalan angka secara otomatis merupakan aplikasi penting dalam bidang pengolahan citra digital dan kecerdasan buatan. Penelitian ini bertujuan untuk mengevaluasi penerapan metode Naïve Bayes dalam klasifikasi angka 0 hingga 9, dengan menguji efektivitasnya dalam mengenali angka biner berdasarkan dataset yang telah disiapkan. Berdasarkan hasil pengujian, model Naïve Bayes menunjukkan akurasi rendah sebesar 30.0%, yang mengindikasikan bahwa metode ini kurang efektif dalam menangani dataset angka yang digunakan. Analisis matriks konfusi mengungkapkan bahwa beberapa angka, seperti 6, 7, dan 9, tidak dapat dikenali dengan benar oleh model, dengan tingkat kesalahan mencapai 100%. Angka 0 dan 1 memiliki tingkat kesalahan yang lebih rendah, namun model tetap kesulitan dalam mengklasifikasikan angka-angka lainnya secara akurat. Grafik error rate memperlihatkan pola kesalahan yang bervariasi antar angka, dengan angka-angka tertentu, terutama yang memiliki bentuk serupa, lebih sulit dibedakan. Meskipun Naïve Bayes dapat diterapkan dalam tugas pengenalan angka, hasil ini menunjukkan perlunya perbaikan lebih lanjut, seperti penggunaan fitur yang lebih relevan atau penerapan metode klasifikasi yang lebih canggih, seperti Support Vector Machines (SVM) atau deep learning, untuk meningkatkan akurasi klasifikasi angka. Penelitian ini memberikan wawasan mengenai keterbatasan metode Naïve Bayes dan dapat menjadi dasar untuk penelitian lebih lanjut yang mengeksplorasi teknik klasifikasi lainnya yang lebih efektif, serta dapat mendorong pengembangan model yang lebih efisien dalam aplikasi nyata, seperti pengenalan tulisan tangan, sistem keamanan biometrik, dan digitalisasi dokumen.

References

[1] Jain, A. K., & Zongker, D. (2014). Feature selection: Evaluation, application, and small sample performance. IEEE Transactions on Pattern Analysis and Machine Intelligence, 19(2), 153-158.

[2] Jain, A. K., Duin, R. P. W., & Mao, J. (2015). Statistical pattern recognition: A review. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22(1), 4-37.

[3] King, G., & Zeng, L. (2001). Logistic Regression in Rare Events Data. Political Analysis, 9(2), 137-163.

[4] Meertens, Q. A., Diks, C. G. H., van den Herik, H. J., & Takes, F. W. (2019). A Bayesian Approach for Accurate Classification-Based Aggregates. arXiv preprint arXiv:1902.02412.

[5] Heliyanti Susana, “Penerapan Model Klasifikasi Metode Naive Bayes Terhadap Penggunaan Akses Internet,” J. Ris. Sist. Inf. dan Teknol. Inf., vol. 4, no. 1, pp. 1–8, 2022, doi: 10.52005/jursistekni.v4i1.96.

[6] A. Tangkelayuk, “The Klasifikasi Kualitas Air Menggunakan Metode KNN, Naïve Bayes, dan Decision Tree,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 2, pp. 1109–1119, 2022, doi: 10.35957/jatisi.v9i2.2048.

[7] I. P. Sari, L. Elvitaria, and Izah Yoelanda, “Metode Bayesian Network Untuk Menentukan Probabilitas Indikasi Gangguan Bipolar,” JEKIN - J. Tek. Inform., vol. 4, no. 2, pp. 196–208, 2024, doi: 10.58794/jekin.v4i2.717.


[8] D. Erwanto, P. N. Rahayu, dan Y. B. Utomo, “Klasifikasi Cacat Pada Kaleng Kemasan Menggunakan Metode Lacunarity Dan Na\"\ive Bayes,” Electro Luceat, vol. 7, no. 2, hlm. 142–150, 2021.

[9] S. T. A. Yosua, S. Verra, dkk., “Penggunaan Metode Naïve Bayes Dalam Mengklasifikasi Pengangguran Pada Desa Bojong Kulur”, Bianglala Informatika, Vol. 10 No. 1 – Tahun 2022.

[10] R. Arifuddin, D. S. Utami, Erfiani, “Effectiveness of Machine Learning Models with Bayesian Optimization-Based Method to Identify Important Variables that Affect GPA”, JTAM (Jurnal Teori dan Aplikasi Matematika), Vol. 8, No. 3, Juli 2024.

[11] Syaharuddin, “Integration Of Bayesian Methods In Machine Learning A Theoretical And Empirical Review”, INSERT: Information System and Emerging Technology Journal. Vol. 5, No. 2, Desember 2024

[12] F. Nur, E. P. Enda, S. Rina, “Optimasi Hyperparameter pada Neural Network (Studi Kasus Identifikasi Komentar Cyberbullying Instagram)”, JEPIN (Jurnal Edukasi dan Penelitian Informatika), Vol. 9 No. 2 Agustus 2023

[13] P. P. Yudha, Aradea, Rianto, “Pemodelan Bayesian Network untuk Menentukan Probabilitas Penyebab Pelanggaran dalam Pertandingan Karate Kumite”, INNOVATION IN RESEARCH OF INFORMATICS - VOL. 3 NO. 2 (2021) 54-57
Published
2025-01-31
How to Cite
ARDIANA, Mirza et al. Binary Number Classification Using Naïve Bayes for Digit Recognition. Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer, [S.l.], v. 5, n. 1, p. 25-34, jan. 2025. ISSN 2776-6195. Available at: <https://ejournal.uniska-kediri.ac.id/index.php/JTECS/article/view/6740>. Date accessed: 06 feb. 2025. doi: https://doi.org/10.32503/jtecs.v5i1.6740.

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.