SISTEM PENENTUAN KELAS UNGGULAN PADA SISWA SMP MENGGUNAKAN METODE NAÏVE BAYES
Abstract views: 224
,
PDF downloads: 222
Abstract
Objektif. Penelitian ini bertujuan untuk menganalisis dan mengklasifikasi anggota kelas unggulan di SMP Katholik Mardiwiyata Kota Kediri. Penelitian ini tergolong pada penelitian aplikatif karena di dalamnya terdapat informasi yang lengkap tentang klasifikasi siswa yang lolos kelas unggulan, maka penelitian ini disusun menggunakan konsep Sistem Development Life Cycle. Sumber data dalam penelitian ini diperoleh secara langsung dengan melakukan wawancara pada salah satu guru SMP Katholik Mardiwiyata Kota Kediri. Jumlah total siswa SMP Katholik Mardiwiyata yaitu ada 260 siswa, dan jumlah siswa kelas 7 saat ini berjumlah 85siswa. Penentuan kelas unggulan ditentukan beberapa kriteria atau variabel, yaitu: Nilai Harian, UTS, UAS, Nilai Keterampilan, Nilai Spiritual dan Nilai Sosial pada kelas 7 semester gasal dan semester genap.
Material and Metode. Naïve Bayes salah satu algoritma klasifikasi berdasarkan teorema pada statistika. Naive Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik, merupakan teknik prediksi berbasis probabilistik sederhana yang berdasarkan pada penerapan teorema Bayes dengan asumsi independensi yang kuat (Naif). Naive Bayes, poin penting tentang independensi fungsi yang kuat bahwa fungsi dalam data tidak terkait dengan ada atau tidak adanya fungsi lain dalam data yang sama
Hasil. Hasil pengujian sistem menggunakan confusion matrix diperoleh precision: 75%, recall: 85% dan accuracy: 82%
Kesimpulan. Dari hasil uji coba Sistem Penentuan Kelas Unggulan Pada Siswa SMP Menggunakan Metode Naïve Bayes dengan confusion matrix didapatkan akurasi 82%. Hal ini menunjukkan sistem sudah berjalan dengan baik, karena nilai presisi, recall dan akurasi berimbang, namun pada penelitian kedepan sistem ini perlu perbaikan lebih lanjut sampai nilai presisi, recall dan akurasinya diatas 90%
Objektif. Penelitian ini bertujuan untuk menganalisis dan mengklasifikasi anggota kelas unggulan di SMP Katholik Mardiwiyata Kota Kediri. Penelitian ini tergolong pada penelitian aplikatif karena di dalamnya terdapat informasi yang lengkap tentang klasifikasi siswa yang lolos kelas unggulan, maka penelitian ini disusun menggunakan konsep Sistem Development Life Cycle. Sumber data dalam penelitian ini diperoleh secara langsung dengan melakukan wawancara pada salah satu guru SMP Katholik Mardiwiyata Kota Kediri. Jumlah total siswa SMP Katholik Mardiwiyata yaitu ada 260 siswa, dan jumlah siswa kelas 7 saat ini berjumlah 85siswa. Penentuan kelas unggulan ditentukan beberapa kriteria atau variabel, yaitu: Nilai Harian, UTS, UAS, Nilai Keterampilan, Nilai Spiritual dan Nilai Sosial pada kelas 7 semester gasal dan semester genap.
Material and Metode. Naïve Bayes salah satu algoritma klasifikasi berdasarkan teorema pada statistika. Naive Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik, merupakan teknik prediksi berbasis probabilistik sederhana yang berdasarkan pada penerapan teorema Bayes dengan asumsi independensi yang kuat (Naif). Naive Bayes, poin penting tentang independensi fungsi yang kuat bahwa fungsi dalam data tidak terkait dengan ada atau tidak adanya fungsi lain dalam data yang sama
Hasil. Hasil pengujian sistem menggunakan confusion matrix diperoleh precision: 75%, recall: 85% dan accuracy: 82%
Kesimpulan. Dari hasil uji coba Sistem Penentuan Kelas Unggulan Pada Siswa SMP Menggunakan Metode Naïve Bayes dengan confusion matrix didapatkan akurasi 82%. Hal ini menunjukkan sistem sudah berjalan dengan baik, karena nilai presisi, recall dan akurasi berimbang, namun pada penelitian kedepan sistem ini perlu perbaikan lebih lanjut sampai nilai presisi, recall dan akurasinya diatas 90%
Downloads
References
[2] Diasrina, D., Fahrul, A., & Dyna, M. K. (2016). Metode Naive Bayes Untuk Penentuan Penerima Beasiswa Bidikmisi Universitas Mulawarman. Jurnal Informatika Mulawarman. Dari Universitas Mulawarman
[3] Intan, W. (2019). Penerapan Metode Naïve Bayes Untuk Penentuan Siswa/I Terbaik Di Sma Negeri 1 Pardasuka. Dari IIB Darmajaya Bandar Lampung
[4] Maulana, A. F., Risa, H., & Danie, S. (2020). Klasifikasi Mutu Beras Menggunakan Metode Learning Vector Quantization. Dari Universitas PGRI Kediri.
[5] Suntoro. (2019). Data Mining: Algoritma dan Implementasi dengan Pemrograman PHP. Jakarta: Elex Media Komputindo.
[6] Umi, M. (2016). Aplikasi Penentuan Anggota Kelas Unggulan Dengan Metode Naïve Bayes. Dari Universitas PGRI Kediri.
[7] Yoyok, S. (2016). Metode Naive Bayes Untuk Penentuan Penerima Beasiswa Bidikmisi Universitas Mulawarman. Dari Universitas PGRI Kediri.
[8] Yuyun, N. H., & Supriadi, S. (2021). Algoritma Multinomial Naïve Bayes Untuk Klasifikasi Sentimen Pemerintah Terhadap Penanganan Covid-19 Menggunakan Data Twitter. STMIK Handayani Makassar.
[9] Dwi, H., Kusrini., & Emha, L. T., (2018). Penerapan Naïve Bayes Dalams Prediksi Ketercapaian Nilai Kriteria Ketuntasan Minimal Siswa. Dari Universitas AMIKOM Yogyakarta.
[10] Nugraha, C., Suryo, W., & Risky, A. R., (2017). Penerapan Metode Naïve Bayes Untuk Menentukan Jenis Ikan Cupang Hias. Dari Universitas PGRI Kediri.
[11] Irwanto. (2021). Perancangan Sistem Informasi Sekolah Kejuruan dengan Menggunakan Metode Waterfall. Dari Untirta.
[12] Irkham, W. S., & Beti, W. S. (2019). Naïve Bayes Algorithm Performance Test for Student Study Prediction. Dari Universitas AMIKOM Yogyakarta.
[13] Windi, I. (2021). Visualisasi Data Pada Data Mining Menggunakan Metode Klasifikasi Naïve Bayes. Dari BSI.
[14] Pungkas, S., Enggar, P., & Septi, O. (2016). Perbandingan Metode Klasifikasi Data Mining untuk Nasabah Bank Telemarketing. Dari Universitas Amikom Purwokerto.
[15] Habib, F. F. (2021). Identifikasi Cyberbullying pada Media Sosial Twitter Menggunakan Metode LSTM dan BiLSTM. Dari Universitas Islam Indonesia.
Copyright (c) 2023 Risa Helilintar
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
1. Copyright on any article is retained by the author(s).
2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
