PERANCANGAN SISTEM MONITORING HASIL BELAJAR
SISWA TERDAMPAK PANDEMI COVID-19 MENGGUNAKAN
METODE NAIVE BAYES DAN K-NN PADA SMA DIPONEGORO 2
Total View This Week0
Total View This Week0
Institusion
Universitas Darma Persada
Author
Enggar, Linati
Subject
005.5 General Purpose Application Programs/Program Aplikasi dengan Kegunaan Khusus
Datestamp
2022-05-30 07:22:53
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.
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.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
