@thesis{thesis,
		author={Enggar  Linati},
		title ={PERANCANGAN SISTEM MONITORING HASIL BELAJAR
SISWA TERDAMPAK PANDEMI COVID-19 MENGGUNAKAN
METODE NAIVE BAYES DAN K-NN PADA SMA DIPONEGORO 2},
		year={2021},
		url={http://repository.unsada.ac.id/2649/},
		abstract={Penutupan sementara lembaga pendidikan sebagai upaya menahan
penyebaran pendemi covid-19 di seluruh dunia berdampak pada jutaan pelajar,
tidak kecuali di Indonesia. Gangguan dalam proses belajar langsung antara siswa
dan guru dan pembatalan penilaian belajar berdampak pada psikologis anak didik
dan menurunnya kualitas keterampilan murid. Data mining adalah teknik yang
memanfaatkan data dalam jumlah yang besar untuk memperoleh informasi
berharga yang sebelumnya tidak diketahui dan dapat dimanfaatkan untuk
pengambilan keputusan penting. Data yang ada dianalisis menggunakan algoritma
Naive Bayes dan algoritma KNN. Algoritma Naive Bayes untuk Mencari
Perkiraan Waktu Studi Mahasiswa dengan menggunakan teknik data mining
khususnya klasifikasi untuk memprediksi dengan menggunakan algoritma naive
bayes dilakukan terhadap ketepatan waktu studi dari mahasiswa berdasarkan data
training yang ada. Sedangkan Algoritma K-Nearest Neighbor (K-NN) adalah
sebuah metode untuk melakukan klasifikasi terhadap obyek baru berdasarkan (K)
tetangga terdekatnya. KNN termasuk algoritma supervised learning, yang mana
hasil dari query instance baru, diklasifikasikan berdasarkan mayoritas dari
kategori pada KNN. Kelas yang paling banyak muncul, yang akan menjadi kelas
hasil klasifikasi.}
		}