Penerapan Algortima Tree Augmented Naive Bayesian pada Penentuan Peubah Penting

Abstract

Peningkatan kinerja produk sangat penting di era persaingan pasar bebas. Salah satu cara untuk mengoptimalkan peningkatan kinerja suatu produk, produsen harus mengetahui tingkat kepentingan peubah dari produknya. Metode statistika yang sering digunakan untuk menentukan tingkat kepentingan suatu produk adalah analisis regresi berganda. Metode ini memiliki kelemahan dalam hal asumsi yang mengikat. Permasalahan itu akan diselesaikan menggunakan metode Bayesian Network. Ada beberapa algoritma untuk menyusun Bayesian Network. Penelitian ini lebih menekankan penggunaan algoritma Tree Augmented Naive Bayesian dan Naive Bayesian karena sederhana dalam komputasi dan menghasilkan tingkat akurasi yang baik. Hasil penelitian ini menunjukkan bahwa metode Bayesian Network menggunakan algoritma Tree Augmented Naive Bayesian lebih baik daripada Naive Bayesian dengan nilai keakuratan klasifikasi sebesar 83%. Peubah yang paling penting untuk ditingkatkan adalah kekuatan rasa setelah dirasakan. Analisis perubahan peubah penjelas menunjukkan bahwa saat presentase kategori sangat suka sekali pada peubah penjelas ditingkatkan menjadi 100% maka persentase kategori sangat suka sekali pada peubah respon mengalami peningkatan.