Implementasi Naive Bayes Dengan Menggunakan Metode Laplace Smoothing

Algoritma Naïve Bayes memiliki kelebihan karena kesederhanaannya dan tingkat akurasi yang relatif tinggi dibandingkan dengan metode lainnya. Namun, Naïve Bayes juga memiliki kekurangan, seperti asumsi independensi antara atribut yang dapat mengurangi akurasi dan masalah probabilitas nol ("Zero Frequency"). Salah satu cara untuk mengatasi kekurangan metode Naïve Bayes adalah dengan menggunakan metode Laplace Smoothing. Metode ini membantu menghilangkan dampak probabilitas nol dan hasil akurasi dapat ditingkatkan. Dalam penelitian ini, nilai zero frequency dapat dihilangkan sepenuhnya dengan menggunakan Laplace Smoothing dan proses klasifikasi dibagi menjadi tiga skenario dengan perbandingan pengujian yang berbeda, yaitu 95% dan 5%, 80% dan 20%, serta 75% dan 25% data testing dan data uji .Hasil pengujian menunjukkan bahwa metode Naive Bayes mendapatkan nilai akurasi tertinggi sebesar 0,49, sedangkan Naive Bayes dengan metode Laplace Smoothing menghasilkan nilai akurasi tertinggi sebesar 0,69. Dengan demikian, dapat disimpulkan bahwa penggunaan Laplace Smoothing pada Naive Bayes dapat meningkatkan nilai akurasi dalam klasifikasi data.