SARJANA CHEATER

PENERAPAN NAIVE BAYESIAN UNTUK MENCARI PELUANG KETERGANTUNGAN PEROKOK DENGAN KOPI

Muhammad Jafar Shodik

Fakultas Teknik Informatika

Universitas 17 Agustus 1945 Surabaya

Email: jafarshodik7@gmail.com

ABSTRAK

Lebih dari sepertiga atau 36,3 persen penduduk Indonesia saat ini menjadi perokok. Bahkan 20 persen remaja usia 13-15 tahun adalah perokok. Hal yang lebih mencengangkan saat ini, remaja laki-laki yang merokok kian meningkat. Data pada tahun lalu memperlihatkan peningkatan jumlah perokok remaja laki-laki mencapai 58,8 persen. Kebiasaan merokok di Indonesia telah membunuh setidaknya 235 ribu jiwa setiap tahun. Data yang terbilang berhubungan dengan rokok adalah data konsumsi kopi di indonesia. Data International Coffee Organization (ICO) menunjukkan bahwa konsumsi kopi Indonesia pada periode 2000-2016 mengalami tren kenaikan. Pada 2000, konsumsi kopi Indonesia baru mencapai 1,68 juta bags (bungkus) @60 kg, namun pada 2016 telah mencapai 4,6 juta bags @60 kg, atau melonjak lebih dari 174 persen. Bahkan sejak 2011, konsumsi kopi selalu mengalami pertumbuhan hingga 2016. Indonesia merupakan salah satu negara terbesar penghasil dan pengekspor komoditas kopi dunia. Produksi kopi Indonesia mencapai 6,56 juta bags @60 kg, berada di peringkat empat dunia di bawah Brasil, Vietnam, Columbia. Sementara ekspor Indonesia sebesar 5,4 juta bags @60 kg dan berada di urutan lima di bawah Brasil, Vietnam, Columbia, dan Honduras. Konsumsi rokok dan kopi terdata sangat besar di indonesia, walaupun banyak data yang memberitahukan bahwa kedua barang konsumsi tersebut berbahaya untuk jangka panjang. Kesimpulannya adalah perokok dan orang yang mengkonsumsi kopi sangat identik bahkan sulit dipisahkan.

Kata Kunci: kopi, perokok, naive, bayesian, data.

1. PENDAHULUAN

Kopi adalah minuman hasil seduhan biji kopi yang telah disangrai dan dihaluskan menjadi bubuk.Kopi merupakan salah satu komoditas di dunia yang dibudidayakan lebih dari 50 negara. Dua varietas pohon kopi yang dikenal secara umum yaitu Kopi Robusta (Coffea canephora) dan Kopi Arabika (Coffea arabica).Pemrosesan kopi sebelum dapat diminum melalui proses panjang yaitu dari pemanenan biji kopi yang telah matang baik dengan cara mesin maupun dengan tangan kemudian dilakukan pemrosesan biji kopi dan pengeringan sebelum menjadi kopi gelondong. Proses selanjutnya yaitu penyangraian dengan tingkat derajat yang bervariasi. Setelah penyangraian biji kopi digiling atau dihaluskan menjadi bubuk kopi sebelum kopi dapat diminum.

Rokok adalah silinder dari kertas berukuran panjang antara 70 hingga 120 mm (bervariasi tergantung negara) dengan diameter sekitar 10 mm yang berisi daun-daun tembakau yang telah dicacah. Rokok dibakar pada salah satu ujungnya dan dibiarkan membara agar asapnya dapat dihirup lewat mulut pada ujung yang lainnya. Rokok biasanya dijual dalam bungkusan berbentuk kotak atau kemasan kertas yang dapat dimasukkan dengan mudah ke dalam kantong. Sejak beberapa tahun terakhir, bungkusan-bungkusan tersebut juga umumnya disertai pesan kesehatan yang memperingatkan perokok akan bahaya kesehatan yang dapat ditimbulkan dari merokok, misalnya kanker paru-paru atau serangan jantung (walaupun pada kenyataannya pesan tersebut sering diabaikan).Untuk mengklasifikasikan banyak data tersebut menggunakan metode pada artifical intelligent yaitu naive bayesian.

Metode naive bayesian adalah salah satu metode klasifikasi dan percabangan dari artifical intellegence, kegiatan-kegiatan tersebut akan di bentuk suatu Ranking yaitu Favorit dan Tidak Favorit, sehingga mahasiswa dan masyarakat dapat mengetahui kegiatan apa sajakah yang ada di fakultas TIK, dengan kriteria di bawah ini program studi, jenis kegiatan, hasil kegiatan, dan ranking. Dengan di latar belakangi tersebut peneliti akan membuat perhitungan klasifikasi program studi mana sajakah yang favorit dan tidak favorit.

1.1. Data Mining

Data mining yang di kenal dengan nama pattern recognition adalah metode pengolahan untuk menemukan suatu pola yang tersembunyi untuk dapat di olah menjadi pengetahuan dan ilmu pengetahuan baru dan informasi dari data dan hasil untuk keputusan di masa depan.

Data mining juga dapat di sebut sebagai sistem pengolahan data yang sangat besar, yang memberikan peranan dalam beberapa bidang di dunia yaitu bidang keuangan, industri, transportasi, cuaca, dan teknologi. Dalam data mining juga terdapat metode metode yang daat di gunakan anatra lain metode klasifikasi, clustering, regresi, seleksi variabel, dan market bisnis. Data mining dapat di artikan sebagai data dalam jumlah besar yang di simpan dalam suatu database, data warehouse untuk menyimpan dapat sehingga dapat menemukan pola. Ada beberapa teknik dalam data mining antara lain data analisis, signal proccesing, neural network dan pengenalan pola.

1.2. Metode Klasifikasi Naive Bayesian

Naïve Bayes adalah suatu metode klasifikasi dalam data mining dengan menggunakan metode probabilitas dan statistik sesuai dengan di kemukakan oleh ilmuwan inggris bernama Thomas Bayes. Kemudian Menurut Olson: 2008 : p 102 menjelaskan bahwa Naïve Bayes merupakan suatu kelas keputusan, dengan menggunakan perhitingan probabilitas matematika dengan syarat bahwa nilai keputusan adalah benar, berdasarkan informasi obyek.

Sedangkan The Naïve Bayesian classifier, atau Simple Bayesian Classifier menurut Han, Kamber 2011 : p3 : 51 yaitu :

a) Variabel D merupakan suatu set tuple dan label yang berkait dengan kelas, kemudian setiap tuple mewakili vektor atribut n dan dimensi X = (x1, x2, ..., xn), yang menggambarkan pengukuran n pada tuple dari atribut n, masing masing adalah A1, A2, ..., An.

b) Kelas M, C1, C2,.., Cm. Di berikan suatu tuple X, untuk klasifikasi prediksi X yang akan menjadi kelompok memiliki probabilitas posterior tertinggi, kondisi tersebut di sebutkan pada X. Artinya adalah sebagai berikut klasifikasi Naïve Bayes memprediksi bahwa X tuple memiliki kelas Ci. Rumus dapat di sebutkan pada gambar di bawah ini.

P(Ci|X) > P(Cj|X) For 1 ≤ j ≤ m, j ≠ i

Rumus Classifier Naïve Bayesian

Sumber: Han, Kamber :2011: p351

Keterangan P(Ci\|X) = probabilitas Ci jika diberikan fakta atau record X (Posterior Probability) P(X\|Ci) = mencari nilai parameter yang memberikan kemungkinan yang paling besar (likelihood) P(Ci) = Prio rprobability dari X (Prior probability) P(X) = Jumlah probability tuple yang muncul

1.3. Kerangka Pemikiran

Kerangka pemikiran merupakan garis besar dari langkah – langkah penelitian yang sedang dilakukan, kerangka pemikiran dijadikan acuan untuk melakukan tahap – tahap yang sedang dilakukan dalam penelitian.

Gambar 1. Flow Chart Kerangka Pemikiran

2. METODOLOGI PENELITIAN

Pada bagian ini akan membahas mengenai jenis data dan metode pengumpulan data yang di gunakan.

2.1 Jenis Data

Jenis data yang digunakan dalam penelitian ini yaitu:

a) Data primer, yaitu data yang diperoleh secara langsung dari penelitian bidang kesehatan bahaya kopi dan rokok

b) Data sekunder, yaitu data yang diperoleh dari literature, buku referensi, maupun browsing internet.

2.2 Metode Pengumpulan Data

Metode pengumpulan data yang dilakukan dalam penelitian ini adalah:

a) Observasi dan Wawancara : Pengumpulan data melalui pengamatan secara langsung dengan lingkungan masyarakat konsumer kopi dan perokok

b) Studi Pustaka : Mengumpulkan literatur pendukung penelitian, baik dari buku referensi ataupun browsing dari internet.

3. HASIL DAN PEMBAHASAN

3.1 Penentuan Kriteria

Berikut ini adalah kriteria dalam menentukan hasil data berdasarkan pekerjaan , umur , aktivitas olahraga , menggunakan metode klasifikasi : Naive Bayesian berikut ini :

a) Pekerjaan : Belum bekerja , mekanik, pelajar mahasiswa, wiraswasta, pegawai negeri sipil, pengacara, dan sopir

b) Status pernikahan : belum menikah dan sudah menikah.

c) Rentang umur : 22 hingga 29 tahun

d) Aktivitas olahraga : tidak, jarang, sering

e) Apakah perokok : ya , tidak

f) Suka mengkonsumsi kopi : tidak suka, suka

3.2 Analisa Perhitungan Metode Naive Bayesian

Berikut ini adalah data konsumer kopi dengan bidang pekerjaan, umur, aktivitas olahraga, status pernikahan dan apakah perokok.

No	Pekerjaan	Status pernikahan	Umur	Aktivitas olahraga	Apakah perokok	mengkonsumsi kopi
1	Belum / Tidak Bekerja	Belum	22	Tidak	Tidak	tidak suka
2	Mekanik	Sudah	25	Jarang	Ya	suka
3	Pelajar / Mahasiswa	Belum	22	Sering	Ya	suka
4	Wiraswasta	Belum	27	Tidak	Ya	tidak suka
5	Pegawai Negeri Sipil	Sudah	27	Jarang	Tidak	tidak suka
6	Pengacara	Sudah	29	Sering	Tidak	tidak suka
7	Sopir	Belum	28	Tidak	Ya	suka
8	Belum / Tidak Bekerja	Belum	22	Jarang	Ya	suka
9	Mekanik	Sudah	24	Sering	Tidak	Tidak suka
10	Pelajar / Mahasiswa	Belum	24	Tidak	Ya	suka
11	Wiraswasta	Sudah	28	Jarang	Ya	suka
12	Pegawai Negeri Sipil	Sudah	26	Sering	Tidak	tidak suka
13	Pengacara	Sudah	26	Tidak	Ya	suka
14	Sopir	Belum	24	Jarang	Tidak	suka
15	Belum / Tidak Bekerja	Belum	22	Sering	Ya	suka
16	Mekanik	Sudah	23	Tidak	Tidak	tidak suka
17	Pelajar / Mahasiswa	Belum	23	Jarang	Ya	suka
18	Wiraswasta	Sudah	27	Sering	Tidak	tidak suka


19	Pegawai Negeri Sipil	Belum	25	Tidak	Ya	tidak suka
20	Pengacara	Sudah	29	Jarang	Ya	suka
21	Sopir	Sudah	28	Sering	Tidak	tidak suka
22	Belum / Tidak Bekerja	Belum	22	Tidak	Ya	suka
23	Mekanik	Sudah	27	Jarang	Ya	suka
24	Pelajar / Mahasiswa	Belum	24	Tidak	Tidak	tidak suka
25	Wiraswasta	Sudah	27	Sering	Tidak	tidak suka
26	Pegawai Negeri Sipil	Sudah	25	Sering	Tidak	suka
27	Pengacara	Belum	24	Sering	Tidak	tidak suka
28	Sopir	Sudah	29	Jarang	Tidak	tidak suka
29	Belum / Tidak Bekerja	Belum	22	Tidak	Ya	suka
30	Mekanik	Sudah	25	Jarang	Tidak	tidak suka

Apabila berkerja sebagai Wiraswasta sudah menikah ,sering berolahraga dan tidak perokok menyukai kopi ??

No	Pekerjaan	Status pernikahan	Umur	Aktivitas olahraga	Apakah perokok	mengkonsumsi kopi
31	Wiraswasta	sudah	26	Sering	Tidak	???

Ø Tahap 1 menghitung jumlah class Mengkonsumsi kopi

P(Y|suka) = 15/30

P(T|tidak suka) = 15/30

Ø Tahap 2

P(X1 = Wiraswasta|Y=suka) =1/15, P(X1 = Wiraswasta|T=tidak) = 3/15

P(X2 = Sudah menikah|Y=suka) = 5/15, P(X2 = Sudah menikah|T=tidak ) = 10/15

P(X3 = Sering|Y=suka) = 3/15, P(X3 = Sering|T=tidak ) = 7/15

P(X4 = tidak|Y = suka ) = 2/15, P(X4 = tidak|T = tidak ) = 13/15

Ø Tahap 3

P(X1 =Wiraswasta,X2=sudah menikah,X3=sering,X4=tidak | Y=suka )

= P(X1 = Wiraswasta|Y=suka). P(X2 = Sudah menikah|Y=suka). P(X3=Sering|Y=suka). P(X4 = tidak|Y = suka )

= (1/15).(5/15).(3/15).(2/15)

= 0,06 x 0,33 x 0,2 x 0,13

= 0,000515

P(X1 =Wiraswasta,X2=sudah menikah,X3=sering,X4=tidak | T=tidak suka )

= P(X1 = Wiraswasta| T=tidak suka). P(X2 = Sudah menikah| T=tidak suka). P(X3=Sering| T=tidak suka). P(X4 = tidak| T=tidak suka)

= (3/15).(10/15).(7/15).(13/15)

= 0,2 x 0,66 x 0,46 x 0,86

=0,523

Ø Tahap 4

P(X1 =Wiraswasta,X2=sudah menikah,X3=sering,X4=tidak | Y=suka ) <

P(X1 =Wiraswasta,X2=sudah menikah,X3=sering,X4=tidak | T=tidak suka )

= 0,000515 < 0,523

= Tidak suka

No	Pekerjaan	Status pernikahan	Umur	Aktivitas olahraga	Apakah perokok	mengkonsumsi kopi
31	Wiraswasta	sudah	26	Sering	Tidak	Tidak suka

4. Kesimpulan

Dapat di simpulkan bahwa klasifikasi Naïve Bayesian dapat digunakan untuk memprediksi ketergantungan perokok dengan kopi, tapi tidak memiliki akurasi ketepatan yang tinggi karena hanya menggunakan cara perhitungan manual dari hasil rata-rata. Sehingga output yang dihasilkan pun tidak maksimal.

Untuk saran pada penelitian ini dapat dikembangkan dalam suatu aplikasi lain dan dikembangkan dengan metode algoritma klasifikasi lainya.

DAFTAR PUSTAKA

[1] Meilani, B. D., & Susanti, N. (2014). Aplikasi Data Mining Untuk Menghasilkan Pola Kelulusan Siswa Dengan Metode Naive Bayes. Jurnal LINK , 21 (2), 1-6.

[2] Andi Prastowo.”Metode Penelitian Kualitatif dalam Perspektif Rancangan Penelitian”.2012

[3] Arsyad, Azhar.”Media Pembelajaran. cetakan ke-15”.Jakarta:Rajawalli Pers”.2011

[4] Zhang, Harry, and Shengli Sheng. "Learning weighted naive Bayes with accurate ranking”. ICDM 1-4 Nov 2004 : Fourth IEEE International Conference : 567-570 .

[5] Arhami, Muhammad, 2005, Konsep Dasar Sistem Pakar, Andi, Yogyakarta.

[6] Nurani, A., Susanto, B., & Proboyekti, U. (2007). Implementasi Naive Bayes Classifier Pada Program Bantu Penentuan Buku Referensi Mata Kuliah. Jurnal Informatika , 3 (2), 32-36.

[7] Hermawati, F. A. (2013). Data Mining. Yogyakarta: Penerbit Andi.

[8] https://nasional.tempo.co/read/875384/menteri-kesehatan-sepertiga-penduduk-indonesia-perokok

[9] https://databoks.katadata.co.id/datapublish/2017/07/03/berapa-konsumsi-kopi-indonesia

Service sofa surabaya

SARJANA CHEATER

Featured

Rabu, 30 Juni 2021

tes

Hasil :

Jumat, 09 November 2018

localpride

Rabu, 07 November 2018

keuntungan vs kerugian buyback saham di hari yang sama

Selasa, 06 November 2018

PENERAPAN NAIVE BAYESIAN UNTUK MENCARI PELUANG KETERGANTUNGAN PEROKOK DENGAN KOPI

Nama Barang	:
Harga	:
Banyaknya	: