PERBANDINGAN PERFORMA NAÏVE BAYES DAN MODIFIKASI NAIVE BAYES DENGAN LAPLACE CORRECTION PADA KLASIFIKASI POTENSI BANJIR MENGGUNAKAN DATA CURAH HUJAN

Abstract

Banjir merupakan salah satu bencana alam yang sering terjadi di Kerala, India, dan menimbulkan dampak sosial, lingkungan, serta ekonomi yang signifikan. Berbagai metode machine learning telah digunakan untuk klasifikasi banjir, namun penelitian yang membandingkan Naïve Bayes standar dan Modifikasi Naïve Bayes dengan Laplace Correction pada data curah hujan Kerala masih terbatas. Oleh karena itu, penelitian ini bertujuan membandingkan performa kedua metode dalam mengklasifikasikan potensi banjir berdasarkan data curah hujan. Dataset yang digunakan adalah Kerala Flood Prediction Dataset yang terdiri atas 118 data historis periode 1901–2018. Data diproses melalui transformasi label dan diskretisasi berbasis kuartil, kemudian dibagi menjadi 82 data pelatihan (70%) dan 36 data pengujian (30%). Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa Naïve Bayes dan Modifikasi Naïve Bayes dengan Laplace Correction menghasilkan performa yang sama, yaitu accuracy 88,89%, precision 85,00%, recall 94,44%, dan F1-score 89,47%. Meskipun berhasil mengatasi permasalahan zero probability pada atribut Annual Rainfall, Laplace Correction tidak meningkatkan performa klasifikasi. Temuan ini menunjukkan bahwa Laplace Correction mampu meningkatkan stabilitas perhitungan probabilitas tanpa memberikan peningkatan performa klasifikasi pada dataset curah hujan Kerala.