Analisis Peningkatan Akurasi Klasifikasi Pada Perangkat Lunak Dodo Kids Browser

Penggunaan internet telah menjadi kebutuhan sehari-hari masyarakat dan bahkan anak-anak pun telah terbiasa menggunakan internet. Berangkat dari keinginan untuk mengawasi kegiatan internet anak, maka tim dodo project membuat perangkat lunak �dodo kids browser� sebagai sarana untuk mengawasi penggunaan internet anak. Akan tetapi perangkat lunak �dodo kids browser� masih memiliki masalah pada proses klasifikasi website. Masalah tersebut disebabkan karena rendahnya akurasi klasifikasi algoritma naïve bayes yang digunakan pada

proses klasifikasi pada perangkat lunak �dodo kids browser�, yang memiliiki akurasi klasifikasi sebesar 74%. Selain itu diyakini oleh projek tim leader �dodo kids browser� diperlukan juga fungsional untuk pengambilan data dari detail halaman website, untuk dijadikan sumber data yang digunakan pada proses klasifikasi Implementasi algoritma KNN dan penambahan fungsional pengambilan data website, dilakukan dengan tujuan agar dapat menjadi solusi untuk meningkatkan akurasi klasifikasi pada perangkat lunak �dodo kids browser�,

karena terdapat hasil penelitian yang membuktikan algoritma KNN dapat melakukan klasifikasi dengan akurasi lebih baik dari pada naïve bayes, selain itu

juga ada penelitian yang menunjukan hasil klasifikasi website lebih baik jika sumber data digunakan berasal dari detail halaman website. Setelah dilakukan implementasi algoritma knn dan fungsional pengambilan detail halaman website pada MVP(minimum viable product) �dodo kids browser�, kemudian dilakukan

pengujian untuk mengukur akurasi klasifikasi pada MVP.

Pada hasil penelitian dapat disimpulkan bahwa dengan menggunakan algoritma KNN dan menggunakan sumber data dari detail halaman website memiliki tingkat akurasi yang lebih tinggi yaitu sebesar 83,34%.

The use of the internet has become the daily needs of the people and even children had been accustomed to using the internet. Departing from the desire to monitor the child's Internet activities, the project team makes software dodo "dodo kids browser" as a means to monitor the child's Internet usage. But software "dodo

kids browser" still have problems with the classifications website. The problem is caused due to the low accuracy of naïve Bayes classification algorithm used in the classification process in the software "dodo kids browser", that consists of a classification accuracy of 74%. In addition it is believed by the project team leader

"dodo kids browser" function is also required for data retrieval from the detail page of the website, to be used as the source of the data used in the classification process Implementation algorithms KNN and additional functional data retrieval website, conducted with the aim that can be a solution to improve the accuracy of classification in the software "dodo kids browser," because there are research results that prove the algorithm KNN can perform classification with an accuracy

of better than naïve Bayes, in addition there are also studies that show better results if the classification website data sources used comes from the detail page of the website. After implementation KNN algorithms and functional decision-detail pages on the MVP (minimum viable product) "dodo kids browser", and then tested

to measure the accuracy of the classification of the MVP.

On the results of this study concluded that using KNN algorithm and using data sources from the detail page of the website has higher accuracy that is equal to 83.34%.