Klasifikasi Performa Pokémon Menggunakan Algoritma Naïve Bayes Berdasarkan Statistika Basis dan Tipe Elemen

Abstract

Game Pokémon memiliki berbagai karakter dengan statistika basis dan tipeelemen yang berbeda-beda sehingga memengaruhi performa dalampertempuran. Penelitian ini bertujuan untuk mengklasifikasikan performaPokémon menggunakan algoritma Gaussian Naive Bayes berdasarkan atributstatistika basis yang terdiri dari HP, Attack, Defense, Special Attack, Special Defense, dan Speed. Penelitian menggunakan pendekatan supervised learning dengan tahapan pengumpulan data, preprocessing, implementasi model, dan evaluasi performa. Dataset diperoleh dari sumber terpercaya seperti Kaggle dan Pokémon Database, kemudian dilakukan normalisasi data menggunakanStandardScaler sebelum proses pelatihan model. Evaluasi dilakukanmenggunakan Stratified 5-Fold Cross Validation dan confusion matrix. Hasil penelitian menunjukkan bahwa model Gaussian Naive Bayes memperolehakurasi rata-rata sebesar 93% pada proses cross-validation dan 88% pada data uji. Hasil tersebut menunjukkan bahwa algoritma Naive Bayes mampumengklasifikasikan performa Pokémon dengan cukup baik meskipun masihdipengaruhi oleh ketidakseimbangan data antar kelas.