42 lines
1.9 KiB
Python
42 lines
1.9 KiB
Python
import streamlit as st
|
|
|
|
icon = "gambar/icon4.png"
|
|
st.set_page_config(
|
|
page_title="NB-KNN",
|
|
page_icon=icon,
|
|
)
|
|
|
|
def pengertian_klasifikasi():
|
|
st.markdown(
|
|
"""
|
|
Klasifikasi adalah proses mengelompokkan objek atau data baru ke dalam kategori kelas berdasarkan atribut yang dimilikinya.
|
|
Dalam metode klasifikasi, terdapat dua jenis algoritma berdasarkan cara pelatihannya:
|
|
- **Eager learner** melakukan
|
|
pelatihan pada data latih, sehingga model dihasilkan sebelum mengklasifikasikan data baru, salah satu contohnya algoritma _naive bayes_.
|
|
- **Lazy learner** tidak
|
|
melakukan pelatihan pada data latih, maka model dihasilkan saat data baru diberikan untuk diklasifikasikan, salah satu contohnya algoritma _k-nearest neighbors_.
|
|
"""
|
|
)
|
|
|
|
def pengertian_naive_bayes():
|
|
st.markdown("Algoritma ini didasarkan pada Teorema Bayes, yaitu menghitung probabilitas kelas dari probabilitas fitur atau atribut. Salah satu asumsi penting dalam _naive bayes_ ialah semua atribut dianggap independen satu sama lain.")
|
|
|
|
def pengertian_knn():
|
|
st.markdown("Algoritma ini mengklasifikasikan data baru berdasarkan mayoritas kelas dari tetangga terdekat menggunakan metrik jarak seperti _euclidean distance_.")
|
|
|
|
|
|
def main():
|
|
st.title("Perbandingan Algoritma *Naive Bayes* dan *K-Nearest Neighbor*")
|
|
st.markdown("Sistem ini bertujuan untuk menampilkan hasil klasifikasi dan perbandingan kinerja model klasifikasi dari algoritma _naive bayes_ dan _k-nearest neighbor_ dalam mengklasifikasikan tingkat obesitas berdasarkan kebiasaan makan dan kondisi fisik.")
|
|
|
|
with st.expander("**Klasifikasi**"):
|
|
pengertian_klasifikasi()
|
|
|
|
with st.expander("**_Algoritma Naive Bayes_**"):
|
|
pengertian_naive_bayes()
|
|
|
|
with st.expander("**_Algoritma K-Nearest Neighbors_**"):
|
|
pengertian_knn()
|
|
|
|
if __name__ == "__main__":
|
|
main() |