Data Mining untuk Meningkatkan Kelulusan Siswa Kelas XII dengan Metode Naïve Bayes
Total View This Week0
Total View This Week0
Institusion
Universitas Putera Batam
Author
Simanjuntak, Amrin
Subject
004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Datestamp
2023-10-28 06:00:08
Abstract :
SMA NEGERI 16 BATAM adalah sekolah yang masih akreditasi B dan memiliki penurunan kelulusan siswa masuk PTN (Peguruan Tinggi Negeri) lewat jalur SNMPTN (Seleksi Nasional Masuk Perguruan Tinggi Negeri). Hal tersebut akan menjadi penunjang bagi pihak sekolah untuk meningkatkan mutu dan kualitas proses belajar mengajar. Penelitian ini untuk mengetahui tingkat kelulusan siswa masuk PTN lewat jalur SNMPTN. Data nilai siswa diklasifikasikan kedalam prediksi siswa lulus dan tidak lulus. Input dari sistem ini adalah nilai raport siswa dari semester 1 sampai 5 sehingga memiliki atribut sebanyak 70 atribut. Data nilai siswa tahun 2017 yang dinyatakan lulus sebagai data training. Sedangkan data siswa tahun 2018 sebagai data testing. Data training akan diproses menggunakan teknik Data Mining algoritma naïve bayes classifier (NBC) untuk membentuk tabel probabilitas sebagai dasar proses klasifikasi kelulusan siswa. Ouput dari sistem ini adalah berupa tingkat akurasi siswa yang diprediksi kelulusannya. Data nilai siswa dirata-ratakan permata pelajaran dalam satu semester, selanjutnya dikategorikan. Data nilai siswa akan dilakukan dalam 2 kali percobaan yaitu berdasarkan rangking dan drop. Pengujian pada data siswa 2018 jurusan IPS, dengan algoritma naïve bayes menghasilkan nilai akurasi, recall, dan precision masing-masing 80%, 100% dan 80%. Hasil pengujian yang menunjukkan bahwa faktor yang paling berpengaruh dalam penentuan klasifikasi kelulusan siswa yaitu rata-rata nilai siswa setiap mata pelajaran dalam 5 semester. Sehingga faktor-faktor tersebut dapat digunakan sebagai bahan evaluasi dan pertimbangan bagi perguruan tinggi neger
SMA NEGERI 16 BATAM adalah sekolah yang masih akreditasi B dan memiliki penurunan kelulusan siswa masuk PTN (Peguruan Tinggi Negeri) lewat jalur SNMPTN (Seleksi Nasional Masuk Perguruan Tinggi Negeri). Hal tersebut akan menjadi penunjang bagi pihak sekolah untuk meningkatkan mutu dan kualitas proses belajar mengajar. Penelitian ini untuk mengetahui tingkat kelulusan siswa masuk PTN lewat jalur SNMPTN. Data nilai siswa diklasifikasikan kedalam prediksi siswa lulus dan tidak lulus. Input dari sistem ini adalah nilai raport siswa dari semester 1 sampai 5 sehingga memiliki atribut sebanyak 70 atribut. Data nilai siswa tahun 2017 yang dinyatakan lulus sebagai data training. Sedangkan data siswa tahun 2018 sebagai data testing. Data training akan diproses menggunakan teknik Data Mining algoritma naïve bayes classifier (NBC) untuk membentuk tabel probabilitas sebagai dasar proses klasifikasi kelulusan siswa. Ouput dari sistem ini adalah berupa tingkat akurasi siswa yang diprediksi kelulusannya. Data nilai siswa dirata-ratakan permata pelajaran dalam satu semester, selanjutnya dikategorikan. Data nilai siswa akan dilakukan dalam 2 kali percobaan yaitu berdasarkan rangking dan drop. Pengujian pada data siswa 2018 jurusan IPS, dengan algoritma naïve bayes menghasilkan nilai akurasi, recall, dan precision masing-masing 80%, 100% dan 80%. Hasil pengujian yang menunjukkan bahwa faktor yang paling berpengaruh dalam penentuan klasifikasi kelulusan siswa yaitu rata-rata nilai siswa setiap mata pelajaran dalam 5 semester. Sehingga faktor-faktor tersebut dapat digunakan sebagai bahan evaluasi dan pertimbangan bagi perguruan tinggi neger
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
