UDiNus Repository

ANALISIS AKURASI NAIVE BAYES DIBANDINGKAN DENGAN k-NEAREST NEIGHBOUR UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 PECANGAAN

YANNA, AVITA (2016) ANALISIS AKURASI NAIVE BAYES DIBANDINGKAN DENGAN k-NEAREST NEIGHBOUR UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 PECANGAAN. Skripsi,Fakultas Ilmu Komputer.

[img]
Preview
PDF
Download (4030b) | Preview

    Abstract

    Data mining merupakan proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengestraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. Setelah lulus SMP setiap siswa yang hendak melanjutkan pendidikannya akan menempuh pendidikan tingkat SMA. Pada pendidikan tingkat SMA setiap siswa akan dihadapkan dengan pemilihan penjurusan termasuk di SMA negeri 1 Pecangaan yang mana penentuan penjurusan di SMA Negeri 1 Pecangaan masih menggunakan cara yang manual. Setelah melakukan observasi di SMA Negeri 1 Pecangaan sekitar 70% siswa yang merasa kurang tepat dengan jurusannya. Maka didalam penelitian ini bagaimana klasifikasi penentuan penjurusan di SMA Negeri 1 Pecangaan menggunakan algoritma Naïve Bayes dan k-NN dan bagaimana membandingkan dua algortima tersebut agar mendapat akurasi yang tepat. Untuk menghindari agar penelitian ini tidak menyimpang dari tujuan maka penelitian ini hanya dilakukan di SMA Negeri 1 Pecangaan. Tujuan dari penelitian ini adalah menerapkan dan membandingkan algoritma naïve bayes dan k-NN untuk klasifikasi penjurusan. Manfaat dari penelitian ini yaitu menerapkan ilmu yang diperoleh di bangku perkuliahan dan sebagai bahan evaluasi akademik untuk meningkatkan mutu pendidikan.

    Item Type: Article
    Subjects: T Technology > Teknik Informatika
    Universitas Dian Nuswantoro > Fakultas Ilmu Komputer > Teknik Informatika
    Divisions: Fakultas Ilmu Komputer
    Depositing User: Psi Udinus
    Date Deposited: 22 Sep 2016 13:22
    Last Modified: 22 Sep 2016 13:22
    URI: http://eprints.dinus.ac.id/id/eprint/18992

    Actions (login required)

    View Item