Metode Naive Bayes Classifier – Smoothing pada Sensor Smartphone untuk Klasifikasi Aktivitas Pengendara

Abstract

Sebagian besar penyebab kematian diakibatkan oleh kecelakaan lalu lintas. Makalah ini bertujuan mendapatkan parameter identifikasi aktivitas berkendara yang dapat dikembangkan untuk mendeteksi kecelakaan pada penelitian selanjutnya. Data dikumpulkan dengan memanfaatkan sensor pada smartphone, menggunakan sensor akselerometer dan giroskop. Metode statistik yang diusulkan menggunakan algoritme Naive Bayes Classifiers (NBC) untuk menentukan aktivitas berkendara, dengan membagi dataset ke dalam data latih dan data uji menggunakan beberapa parameter k-fold. Algoritme NBC dapat bekerja dengan sedikit data latih, dengan cara menghitung nilai probabilitas setiap kelas dari perhitungan jumlah rata-rata dan varians setiap fitur untuk mengklasifikasikan kelas secara linier dengan sangat efisien. Hasil menunjukkan bahwa akurasi klasifikasi aktivitas berkendara lebih tinggi apabila terdapat proses smoothing menggunakan metode single exponential smoothing sebelum proses klasifikasi algoritme NBC. Hasil pengujian menggunakan 8 k-fold CV tanpa proses smoothing, dengan smoothing alpha (α) = 0,1, dan dengan α = 0,9 mendapatkan akurasi, berturut-turut, sebesar 98,43%, 99,27%, dan 98,43%. Hasil komparasi metode klasifikasi aktivitas berkendara pada makalah ini membuktikan bahwa metode NBC yang dikombinasikan dengan metode smoothing α = 0,1 menghasilkan akurasi yang lebih besar.