{"title":"Sistem Pakar Tes Kepribadian Menggunakan Metode Naive Bayes","authors":"Khalid Aji","doi":"10.31328/JOINTECS.V4I2.1010","DOIUrl":null,"url":null,"abstract":"Ilmu Psikologi merupakan disiplin ilmu yang secara umum bertujuan untuk memahami perilaku sesama manusia. Dalam prakteknya ilmu psikologi sebagian besar masih menggunakan cara-cara dan metode lama dalam proses memahami dan mempelajari ilmu psikologi suatu objek. Salah satu metode lama yang masih digunakan dalam ilmu psikologi yakni dengan cara membuat lembaran-lembaran kuisioner atau serangkaian pernyataan yang akan diberikan kepada objek yang akan dipelajari lalu kuisioner-kuisioner tersebut diisi oleh masing-masing objek.Melihat hal tersebut perlu pemanfaatan teknologi untuk membuat aplikasi bidang psikologi, khususnya pada sub bidang kepribadian dimana aplikasi tersebut menggunkan pengetahuan komputer dibidang kecerdasan buatan khususnya cabang sistem pakar untuk membantu klasifikasi kepribadian seseorang dengan menggunkana metode Naive Bayes. Sebab, metode ini mempunyai tingkat akurasi yang lebih baik dibandingan model klasifikasi lainnya. Metode Naive Bayes merupakan salah satu metode klasifikasi yang efektif dan efisien karena proses pengklasifikasiannya bekerja secara independen pada setiap fitur objek yang akan diklasifikasi.Berdasarkan hasil perbandingan pengujian sistem dengan menggunakan metode Naive Bayes dengan 100 data learning dan menguji 10 data testing, perbandingan untuk uji sistem pakar memiliki hasil akurasi 70%. Berdasarkan penelitian yang dilakukan hasil akurasi menunjukkan bahwa metode yang digunakan cukup baik untuk klasifikasi menentukan jenik kepribadian Introvert atau Ekstrovert. Dapat disimpulkan semakin banyak data yang digunakan maka semakin besar pula nilai akurasinya.","PeriodicalId":259537,"journal":{"name":"JOINTECS (Journal of Information Technology and Computer Science)","volume":"21 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-07-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JOINTECS (Journal of Information Technology and Computer Science)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31328/JOINTECS.V4I2.1010","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1
Abstract
Ilmu Psikologi merupakan disiplin ilmu yang secara umum bertujuan untuk memahami perilaku sesama manusia. Dalam prakteknya ilmu psikologi sebagian besar masih menggunakan cara-cara dan metode lama dalam proses memahami dan mempelajari ilmu psikologi suatu objek. Salah satu metode lama yang masih digunakan dalam ilmu psikologi yakni dengan cara membuat lembaran-lembaran kuisioner atau serangkaian pernyataan yang akan diberikan kepada objek yang akan dipelajari lalu kuisioner-kuisioner tersebut diisi oleh masing-masing objek.Melihat hal tersebut perlu pemanfaatan teknologi untuk membuat aplikasi bidang psikologi, khususnya pada sub bidang kepribadian dimana aplikasi tersebut menggunkan pengetahuan komputer dibidang kecerdasan buatan khususnya cabang sistem pakar untuk membantu klasifikasi kepribadian seseorang dengan menggunkana metode Naive Bayes. Sebab, metode ini mempunyai tingkat akurasi yang lebih baik dibandingan model klasifikasi lainnya. Metode Naive Bayes merupakan salah satu metode klasifikasi yang efektif dan efisien karena proses pengklasifikasiannya bekerja secara independen pada setiap fitur objek yang akan diklasifikasi.Berdasarkan hasil perbandingan pengujian sistem dengan menggunakan metode Naive Bayes dengan 100 data learning dan menguji 10 data testing, perbandingan untuk uji sistem pakar memiliki hasil akurasi 70%. Berdasarkan penelitian yang dilakukan hasil akurasi menunjukkan bahwa metode yang digunakan cukup baik untuk klasifikasi menentukan jenik kepribadian Introvert atau Ekstrovert. Dapat disimpulkan semakin banyak data yang digunakan maka semakin besar pula nilai akurasinya.