Penerapan Algoritma Naive Bayes Menentukan Klasifikasi Tingkat Kelulusan Siswa SMK Media Informatika Jakarta
Kata Kunci:
kelulusan siswa, metode naive bayes, klasifikasi, data miningAbstrak
Standar pendidikan sekolah dasar hingga Sekolah Menengah adalah Nilai Ujian Nasional dan Nilai Rapor sekolah, yang menunjukan kemampuan siswa itu di Sekolah. Siswa mempunyai kewajiban untuk belajar, dalam hal ini harus lebih giat dalam belajar karena akan menghadapi Ujian Sekolah. Salah satu syarat untuk bisa melanjutkan ke jenjang pendidikan ke tingkat selanjutnya sekolah seharusnya mengetahui apa yang menjadi faktor yang menentukan tingkat kelulusan siswanya. Siswa SMK Media Informatika Jakarat saat akan mendaftar menuju ke jenjang selanjutnya selalu terkendala pada nilai yang digunakan sebagai persyaratan, Oleh karena itu diciptakan aplikasi yang akan mengklasifikasikan nilai mereka sehingga saat mendaftar memiliki kesempatan diterima yang lebih besar. Tujuan penelitian ini adalah untuk mengetahui tingkat kelulusan siswa dalam pelaksanaan data mining bagi siswa yang lulus dan tidak lulus, berdasarkan nilai Ujian Sekolah (US). Penelitian ini menggunakan teknik data mining dalam memprediksi status kelulusan siswa tersebut. Atribut yang akan digunakan dalam memprediksi kelulusan ini adalah nilai mtk, nilai bindo, nilai bing, dan nilai kejuruan . Data yang digunakan pada pengujian ini adalah data yang dapat dari arsip nilai pihak sekolah sebanyak 200 data. Dalam penelitian ini mendapatkan perhitungan persentase tingkat akurasi pada confusion matrix tingkat akurasi mencapai nilai persentase sebesar 90%. Diperoleh juga recall sebesar 94,44%. Dan diperoleh juga tingkat presisi sebesar 94,4%.
Referensi
S. Syarli dan A. Muin, “Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi),” J. Ilm. Ilmu Komput., vol. 2, no. 1, hal. 22–26, 2017.
R. Dwi, Pambudi, A. Afif, Supianto, dan N. Y. Setiawan, “Prediksi Kelulusan Mahasiswa Berdasarkan Kinerja Akademik Menggunakan Pendekatan Data Mining Pada Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Brawijaya,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. 2196, vol. 3, no. 3, hal. 2194–2200, 2019, [Daring]. Tersedia pada: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/download/4655/2154.
H. Annur, “Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes,” Ilk. J. Ilm., vol. 10, no. 2, hal. 160–165, 2018, doi: 10.33096/ilkom.v10i2.303.160-165.
A. O. Murdiansyah dan I. Siswanto, “Algoritma Naive Baiyes Classsifier pada Aplikasi Data Mining Berbasis Web,” vol. 1, no. 1, hal. 284–290, 2018.
H. F. Putro, R. T. Vulandari, dan W. L. Y. Saptomo, “Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan,” J. Teknol. Inf. dan Komun., vol. 8, no. 2, 2020, doi: 10.30646/tikomsin.v8i2.500.
S. Widaningsih, “Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Naïve Bayes, Knn Dan Svm,” J. Tekno Insentif, vol. 13, no. 1, hal. 16–25, 2019, doi: 10.36787/jti.v13i1.78.
Betrisandi, “Klasifikasi Nasabah Asuransi Jiwa Menggunakan,” vol. 9, no. April, hal. 96–101, 2019.
M. F. S. Wibowo, N. F. Puspitasari, dan B. Satya, “Penerapan Data Mining Dan Algoritma Naïve Bayes Untuk Pemilihan Konsentrasi Mahasiswa Menggunakan Metode Klasifikasi,” J. Inf. Syst. Manag., vol. 3, no. 2, hal. 39–45, 2022, doi: 10.24076/joism.2022v3i2.680.
Y. B. Samponu dan K. Kusrini, “Optimasi Algoritma Naive Bayes Menggunakan Metode Cross Validation Untuk Meningkatkan Akurasi Prediksi Tingkat Kelulusan Tepat Waktu,” J. ELTIKOM, vol. 1, no. 2, hal. 56–63, 2018, doi: 10.31961/eltikom.v1i2.29.
Y. B. Samponu dan K. Kusrini, “Optimasi Algoritma Naive Bayes Menggunakan Metode Cross Validation Untuk Meningkatkan Akurasi Prediksi Tingkat Kelulusan Tepat Waktu,” J. ELTIKOM, vol. 1, no. 2, hal. 56–63, 2018, doi: 10.31961/eltikom.v1i2.29.
