Klasifikasi Kelayakan Penerima Beasiswa SD N 07/1 Desa Pulau Menggunakan Metode Naïve Bayes
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika Bangsa
Author
Salim, Agus
Subject
Artificial Intelligence
Datestamp
2020-08-15 04:01:56
Abstract :
Data mining merupakan analisis dari peninjauan kumpulan data untuk menemukan hubungan yang tidak diduga dan meringkas data dengan cara yang berbeda dengan sebelumnya, yang dapat dipahami dan bermanfaat bagi pemilik data. Hingga saat ini pemberian program Beasiswa masih belum optimal dan belum tepat sasaran dikarenakan jumlah penerima Beasiswa di setiap Kelas jumlahnya tidak selalu sama setiap tahun, ada yang meningkat dan ada juga yang menurun. maka penulis tertarik untuk mengklasifikasikan siswa yang berprestasi Untuk klasifikasi tersebut dibutuhkan sebuah algoritma klasifikasi yang tepat. Penulis menggunakan algoritma Naïve bayes . Penulis menggunakan data-data siswa penerima beasiswa tahun 2017 dan 2018 sebanyak 201 data yang kemudian di sajikan kedalam format arff. Dalam melakukan analisis penulis menggunakan alat bantu Tools WEKA, Dengan persentasi akurasi terbesar diperoleh dengan menggunakan Use Training Set dengan jumlah kelas Correctly Classified Instances 197, Incorrectly Classified Instances 4, dan persentasi akurasi Correctly Classified Instances sebesar 98.01%, Incorrectly Classified Instances 1.99%. Pada tes 5 Fold Cross Validation dengan jumlah kelas Classified Instances 196, Incorrectly Classified Instances 5, dan persentasi akurasi Correctly Classified Instances sebesar 97.5124%, Incorrectly Classified Instances 2.4876%. Pada tes 10 Fold Cross Validation dengan jumlah kelas Correctly Classified Instances 197, Incorrectly Classified Instances 4, dan persentasi akurasi Correctly Classified Instances sebesar 98.01%, Incorrectly Classified Instances 1.99%.
Data mining merupakan analisis dari peninjauan kumpulan data untuk menemukan hubungan yang tidak diduga dan meringkas data dengan cara yang berbeda dengan sebelumnya, yang dapat dipahami dan bermanfaat bagi pemilik data. Hingga saat ini pemberian program Beasiswa masih belum optimal dan belum tepat sasaran dikarenakan jumlah penerima Beasiswa di setiap Kelas jumlahnya tidak selalu sama setiap tahun, ada yang meningkat dan ada juga yang menurun. maka penulis tertarik untuk mengklasifikasikan siswa yang berprestasi Untuk klasifikasi tersebut dibutuhkan sebuah algoritma klasifikasi yang tepat. Penulis menggunakan algoritma Naïve bayes . Penulis menggunakan data-data siswa penerima beasiswa tahun 2017 dan 2018 sebanyak 201 data yang kemudian di sajikan kedalam format arff. Dalam melakukan analisis penulis menggunakan alat bantu Tools WEKA, Dengan persentasi akurasi terbesar diperoleh dengan menggunakan Use Training Set dengan jumlah kelas Correctly Classified Instances 197, Incorrectly Classified Instances 4, dan persentasi akurasi Correctly Classified Instances sebesar 98.01%, Incorrectly Classified Instances 1.99%. Pada tes 5 Fold Cross Validation dengan jumlah kelas Classified Instances 196, Incorrectly Classified Instances 5, dan persentasi akurasi Correctly Classified Instances sebesar 97.5124%, Incorrectly Classified Instances 2.4876%. Pada tes 10 Fold Cross Validation dengan jumlah kelas Correctly Classified Instances 197, Incorrectly Classified Instances 4, dan persentasi akurasi Correctly Classified Instances sebesar 98.01%, Incorrectly Classified Instances 1.99%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
