PERANCANGAN KLASIFIKASI ALGORITMA NAIVE BAYES PADA DATA PEMILIHAN JURUSAN SISWA

Juan Fakhri, Aswan Supriyadi Sunge, Ahmad Turmudi zy

Abstract


Penelitian yang berjudul "Perancangan Algoritma Naive Bayes Dalam Klasifikasi Pemilihan Jurusan Siswa". Penelitian ini bertujuan untuk pembuatan suatu prediski dan impelemtasi metode dalam kalsifikasi Naive Bayes, serta untuk mengevaluasi dampak ketidak seimbangan kelas terhadap kinerja model klasifikasi. Penelitian ini juga menemukan adanya kelebihan sampel data secara tidak sengaja, dan eksperimen dengan menggunakan teknik SMOTE dilakukan untuk mengatasi ketidak seimbangan kelas tersebut. Data pemilihan jurusan siswa dari SMA Negeri 2 Cikarang Selatan digunakan untuk mengidentifikasi ketidak seimbangan kelas. Eksperimen ini membandingkan hasil klasifikasi sebelum dan setelah penerapan teknik SMOTE. Hasil analisis menunjukkan bahwa sebelum menggunakan teknik SMOTE, terdapat ketidak seimbangan kelas yang signifikan dalam data pemilihan jurusan siswa. Ketidak seimbangan ini memiliki dampak negatif terhadap kinerja model klasifikasi, terutama dalam mengenali kelas minoritas. Namun, setelah penerapan teknik SMOTE, ketidak seimbangan kelas berhasil dikurangi dan kinerja model klasifikasi mengalami peningkatan yang signifikan. Recall untuk kelas IPS meningkat menjadi 0,76, sementara recall untuk kelas MIPA tetap tinggi dengan nilai 0,92. Precision untuk kelas IPS meningkat menjadi 0,87, sedangkan precision untuk kelas MIPA tetap stabil di 0,85. Dengan menggunakan precision dan recall, skor F1 mencapai 0,8846. Berdasarkan temuan penelitian ini, dapat disimpulkan bahwa kinerja model klasifikasi dalam memilih jurusan siswa dapat dipengaruhi oleh kelebihan sampel data. Metode SMOTE efektif dalam mengurangi ketidak seimbangan kelas dan meningkatkan kinerja model klasifikasi. Metode Naive Bayes dapat digunakan sebagai alternatif yang efektif dalam memprediksi penjurusan siswa di SMA Negeri 2 Cikarang Selatan setelah menerapkan teknik SMOTE.

Keywords


Pemilihan Jurusan, klasifikasi, Naive Bayes, SMOTE

Full Text:

PDF

References


M. S. Prof. Dr. Hamid Darmadi, M.PD., PENGANTAR PENDIDIKAN ERA GLOBALISASI: Konsep Dasar,Teori, Strategi dan Implementasi dalam Pendidikan Globalisasi. An1mage, 2019.

N. Afifah, “Sistem pendidikan di indonesia,” no. April, 2020.

B. A. Rahmadi and Mufti, “Sistem Penjurusan IPA/IPS Menggunakan Algoritma K-Nearest Neighbor Pada SMA Muhammadiyah 13 Jakarta,” Semin. Nas. Sains Teknol. Inf., pp. 300–305, 2019, [Online]. Available: http://prosiding.seminar-id.com/index.php/sensasi/issue/archivePage%7C300

D. Darwis, N. Siskawati, and Z. Abidin, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional,” J. Tekno Kompak, vol. 15, no. 1, p. 131, 2021, doi: 10.33365/jtk.v15i1.744.

H. Putri, A. I. Purnamasari, A. R. Dikananda, O. Nurdiawan, and S. Anwar, “Penerima Manfaat Bantuan Non Tunai Kartu Keluarga Sejahtera Menggunakan Metode NAÏVE BAYES dan KNN,” Build. Informatics, Technol. Sci., vol. 3, no. 3, pp. 331–337, 2021, doi: 10.47065/bits.v3i3.1093.

N. Salmi and Z. Rustam, “Naïve Bayes Classifier Models for Predicting the Colon Cancer,” IOP Conf. Ser. Mater. Sci. Eng., vol. 546, no. 5, 2019, doi: 10.1088/1757-899X/546/5/052068.

T. R. Rivanthio, M. Ramdhani, and A. Sahi, “Penerapan Teknik Clustering Data Mining untuk Memprediksi Kesesuaian Jurusan Siswa ( Studi Kasus SMA PGRI 1 Subang ),” vol. 13, no. 2, pp. 125–131, 2020, doi: 10.30998/faktorexacta.v13i2.6588.

Y. N. Lubis and H. Winata, “Data Mining Untuk Memprediksi Data Pengunjung dengan Menggunakan Algoritma Simple Moving Average,” vol. 21, no. 2, pp. 50–59, 2022.

F. D. Telaumbanua, P. Hulu, T. Z. Nadeak, R. R. Lumbantong, and A. Dharma, “Penggunaan Machine Learning,” J. Teknol. dan Ilmu Komput., vol. 3, no. 1, pp. 57–64, 2019.

E. Retnoningsih and R. Pramudita, “Mengenal Machine Learning Dengan Teknik Supervised Dan Unsupervised Learning Menggunakan Python,” Bina Insa. Ict J., vol. 7, no. 2, p. 156, 2020, doi: 10.51211/biict.v7i2.1422.

V. S. Ginting, K. Kusrini, and E. Taufiq, “Implementasi Algoritma C4.5 untuk Memprediksi Keterlambatan Pembayaran Sumbangan Pembangunan Pendidikan Sekolah Menggunakan Python,” Inspir. J. Teknol. Inf. dan Komun., vol. 10, no. 1, pp. 36–44, 2020, doi: 10.35585/inspir.v10i1.2535.

E. D. Wahyuni, A. A. Arifiyanti, and M. Kustyani, “Exploratory Data Analysis dalam Konteks Klasifikasi Data Mining,” Pros. Nas. Rekayasa Teknol. Ind. dan Inf. XIV Tahun 2019, vol. 2019, no. November, pp. 263–269, 2019, [Online]. Available: http://journal.itny.ac.id/index.php/ReTII

R. Fahlapi et al., “Analisa sentimen vaksinasi covid-19 dengan metode support vector machine dan naïve bayes berbasis teknik SMOTE,” J. Inform. Kaputama, vol. 6, no. 1, pp. 57–64, 2022.

S. Keputusan Dirjen Penguatan Riset dan Pengembangan Ristek Dikti, A. Nikmatul Kasanah, U. Pujianto, T. Elektro, F. Teknik, and U. Negeri Malang, “Terakreditasi SINTA Peringkat 2 Penerapan Teknik SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Objektivitas Berita Online Menggunakan Algoritma KNN,” Masa Berlaku Mulai, vol. 1, no. 3, pp. 196–201, 2017.




DOI: https://doi.org/10.32487/jtt.v11i2.1823

Refbacks

  • There are currently no refbacks.


JTT (Jurnal Teknologi Terpadu) has been indexed by:

 

 

 

 

 

 

 

 

 

Web Analytics

JTT Visitor Stats