A PHP Error was encountered
Severity: Warning
Message: fopen(/home/rama/public_html/application/cache/sessions/rama_sessiond3nri521gman3tebqvincamosd1m01ds): failed to open stream: No space left on device
Filename: drivers/Session_files_driver.php
Line Number: 174
Backtrace:
File: /home/rama/public_html/application/core/MY_Controller.php
Line: 8
Function: __construct
File: /home/rama/public_html/application/controllers/Document.php
Line: 6
Function: __construct
File: /home/rama/public_html/index.php
Line: 296
Function: require_once
@thesis{thesis,
author={Kodri Muhammad},
title ={Penerapan Data Mining untuk Klasifikasi Peminatan Sekolah Menengah Atas Pada SMA Negeri 10 Muaro Jambi Menggunakan Algoritma Naïve Bayes Classifier},
year={2020},
url={http://repository.unama.ac.id/1382/},
abstract={Di SMAN 10 Muaro Jambi data-data siswa khususnya kelas X (sepuluh) semakin bertambah setiap tahunnya dan tidak ada tindak lanjut manfaat dari data-data yang tersedia. Oleh karena itu, penulis melakukan analisis data mining pada data-data siswa tersebut agar menjadi informasi yang sangat berharga bagi organisasi. Penulis menggunakan data siswa kelas X (sepuluh) tahun 2019 sebanyak 228 data yang kemudian di sajikan kedalam bentuk arff. Dalam melakukan analisis penulis menggunakan alat bantu tools WEKA. Metode yang digunakan adalah metode klasifikasi Naïve Bayes dengan 5 atribut. Untuk menyeleksi atribut penulis menggunakan algoritma classifier attribute evaluation hasil klasifikasi Naïve Bayes dengan persentasi akurasi terbesar diperoleh dengan menggunakan 5 Fold Cross Validation dengan persentasi akurasi Correctly Classified Instances sebesar 100%, menggunakan Use Training Set dengan persentasi akurasi Correctly Classified Instances sebesar 99.1228%, menggunakan 10 Fold Cross Validation dengan persentasi akurasi Correctly Classified Instances sebesar 99.5614%. menggunakan 60% Percentage Split dengan persentasi akurasi Correctly Classified Instances sebesar 98.913%, menggunakan 80% Percentage Split dengan persentasi akurasi Correctly Classified Instances sebesar 50%. Sedangkan hasil seleksi atribut menggunakan algoritma classifier attribute evaluation dinyatakan bahwa atribut yang paling berpengaruh terhadap klasifikasi penjurusan siswa adalah nilai IPS}
}