Pemanfaatan Algoritma Naïve Bayes dan K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Kelas XI

Mardi Yudhi Putra, Dwi Ismiyana Putri

Abstract


Sekolah Menengah Atas atau biasa disebut sebagai SMA dalam proses penjurusan siswa dilakukan setiap awal tahun pelajaran. Ada 2 (dua) jurusan yaitu IPA dan IPS. Dalam melakukan penjurusan IPA maupun IPS siswa kelas XI, saat ini masih dilakukan dengan berdasarkan hasil nilai rerata dari beberapa mata pelajaran tertentu sehingga sering kali menyebabkan ketidaksesuaian minat dan bakat siswa terhadap jurusan. Tujuan penelitian ini adalah untuk membandingkan algoritma Naïve Bayes dan K-Nearest Neighbor yang memiliki akurasi tertinggi dalam melakukan klasifikasi jurusan IPA dan IPS sehingga membantu pihak sekolah dalam proses klasifikasi jurusan siswa kelas XI. Data siswa yang digunakan pada penelitian ini adalah data nilai semester 2 (dua) dengan jumlah 277 record dan menggunakan 4 (empat) atribut dari nilai mata pelajaran antara lain PPKN, Sejarah, Prakarya dan PAI. Salah satu tools yang digunakan untuk membantu proses analisis data pada penelitian ini adalah Rapidminer. Metode penelitian dilakukan mulai tahap preprocessing, training data, klasifikasi menggunakan algortima Naïve Bayes dan K-Nearest Neighbor, model data dan mengukur performance atau evaluasi. Hasil penelitian menunjukkan algoritma Naïve Bayes memiliki akurasi sebesar 81.82% dengan sampel data sebanyak 55 data dari 277 data. Sedangkan Algoritma K-Nearest Neighbor menunjukkan akurasi sebesar 92.73% dengan sample data yang sama. Hasil kedua algortima menunjukkan algoritma terbaik dengan urutan pertama K-Nearest Neighbor dan urutan kedua Naïve Bayes, tidak ada perbedaan signifikan karena nilai alpha dibawah 0.05. Secara keseluruhan dapat disimpulkan bahwa dengan memanfaatkan algoritma K-Nearest Neighbor memiliki tingkat akurasi yang lebih tinggi dari pada Algortima Naïve Bayes pada proses klasifikasi penjurusan IPA maupun IPS pada kelas XI SMA menggunakan algoritma klasifikasi sehingga sesuai dengan minat, bakat dan potensi diri siswa dalam penentuan jurusan sehingga memberikan manfaat dan membantu pihak sekolah menjadi lebih cepat dalam pengklasifikasiannya.

Full Text:

PDF

References


S. W. Nengsih, I. Alfian, D. Aji, and S. Anwar, “Analisis Pengelompokan Penentuan Jurusan Siswa Sma Menggunakan Metode K-Means Clustering,” J. Betrik, no. 03, pp. 242–248, 2021.

F. Ekawati, “Algoritma Naïve Bayes Untuk Penentuan Jurusan Pada Siswa Madrasah Aliyah,” Technol. J. Ilm., vol. 9, no. 1, p. 42, 2018, doi: 10.31602/tji.v9i1.1101.

D. Novianti, “Implementasi Algoritma Naïve Bayes Pada Data Set Hepatitis Menggunakan Rapid Miner,” Paradig. - J. Komput. dan Inform., vol. 21, no. 1, pp. 49–54, 2019, doi: 10.31294/p.v21i1.4979.

M. R. Fahdia, D. Riana, F. Amsury, I. Saputra, and N. Ruhyana, “Komparasi Algoritma Klasifikasi untuk Orientasi Minat Mahasiswa dalam Penuntasan Studi,” JIRA J. Inov. dan Ris. Akad., vol. 2, no. 7, pp. 970–1007, 2021, doi: 10.47387/jira.v2i7.185.

M. F. D. Ikhbal and D. Kurniadi, “Menentukan Penjurusan Siswa Dengan Menggunakan Metode Decision Tree Algoritma C4.5 (Studi Kasus : SMA Negeri 2 Padang),” JAVIT(jurnal vokasi Inform., vol. 1, no. 3, pp. 31–37, 2021.

Y. S. Nugroho, “Klasifikasi dan Klastering Penjurusan Siswa SMA Negeri 3 Boyolali,” Khazanah Inform. J. Ilmu Komput. dan Inform., vol. 1, no. 1, p. 1, 2015, doi: 10.23917/khif.v1i1.1175.

H. Hairani, Muhammad Ridho Hansyah, and Lalu Zazuli Azhar Mardedi, “Integrasi Metode Naive Bayes dengan K-Means dan K-Means-Smote untuk Klasifikasi Jurusan SMAN 3 Mataram,” J. Sist. dan Inform., vol. 15, no. 1, pp. 8–12, 2020, doi: 10.30864/jsi.v15i1.317.

A. Sabathos Mananta and G. Arther Sandag, “Prediksi Kelulusan Mahasiswa Dalam Memilih Program Magister Menggunakan Algoritma K-NN,” Smart Comp Jurnalnya Orang Pint. Komput., vol. 10, no. 2, pp. 90–96, 2021, doi: 10.30591/smartcomp.v10i2.2488.

A. Z. Mafakhir and A. Solichin, “Penerapan Metode Naïve Bayes Classifier Untuk Penjurusan Siswa Pada Madrasah Aliyah Al-Falah Jakarta,” Fountain Informatics J., vol. 5, no. 1, p. 21, 2020, doi: 10.21111/fij.v5i1.4007.

F. Ariani, Amir, N. Alam, and K. Rizal, “Klasifikasi Penetapan Status Karyawan Dengan Menggunakan Metode Naïve Bayes,” Paradig. - J. Komput. dan Inform., vol. 20, no. 2, pp. 33–38, 2018, doi: 10.31294/p.v.

A. Purwanto et al., “Perbandingan Minat Siswa Smu Pada Metode Klasifikasi Menggunakan 5 Algoritma,” vol. 2, no. 1, pp. 43–47, 2018.

E. Purwaningsih and E. Nurelasari, “Penerapan K-Nearest Neighbor Untuk Klasifikasi Tingkat Kelulusan Pada Siswa,” Syntax J. Inform., vol. 10, no. 01, pp. 46–55, 2021, [Online]. Available: https://journal.unsika.ac.id/index.php/syntax/article/download/5173/2749.

S. Sinaga, R. W. Sembiring, and S. Sumarno, “Penerapan Algoritma Naive Bayes untuk Klasifikasi Prediksi Penerimaan Siswa Baru,” vol. 1, no. 1, pp. 55–64, 2022.

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.

A. H. Hailitik, B. S. Djahi, and Y. Y. Nabuasa, “Klasifikasi Jurusan Menggunakan Metode Naïve Bayes Pada Sekolah Menengah Atas Negeri (SMAN) 1 Fatuleu Tengah,” J-Icon, vol. 5, no. 2, pp. 21–27, 2017, [Online]. Available: http://ejurnal.undana.ac.id/jicon/article/view/361.

S. Marpaung, S. -, and I. -, “Penerapan Metode Naïve Bayes Dalam Memprediksi Prestasi Siswa Di SMA Negeri 1 Panombeian Panei,” J. Sist. Inf. dan Ilmu Komput. Prima(JUSIKOM PRIMA), vol. 4, no. 2, pp. 8–13, 2021, doi: 10.34012/jurnalsisteminformasidanilmukomputer.v4i2.1522.

I. P. Ninditama, I. P. Ninditama, W. Cholil, M. Akbar, and D. Antoni, “Klasifikasi Keluarga Sejahtera Study Kasus : Kecamatan Kota Palembang,” J. TEKNO KOMPAK, vol. 15, no. 2, pp. 37–49, 2020, [Online]. Available: https://ejurnal.teknokrat.ac.id/index.php/teknokompak/article/view/1156.

E. B. Sambani and F. Nuraeni, “Penerapan Algoritma C4.5 Untuk Klasifikasi Pola Penjurusan di Sekolah Menengah Kejuruan (SMK) Kota Tasikmalaya,” CSRID (Computer Sci. Res. Its Dev. Journal), vol. 9, no. 3, p. 144, 2018, doi: 10.22303/csrid.9.3.2017.144-152.




DOI: https://doi.org/10.33365/jtk.v16i2.2002

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Mardi Yudhi Putra, Dwi Ismiyana Putri

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


Jurnal Tekno Kompak
Published by Universitas Teknokrat Indonesia
Organized by Program Studi D3 Sistem Informasi AkuntansiUniversitas Teknokrat Indonesia
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhanratu, Bandarlampung, Indonesia
Telepon : 0721 70 20 22
W : http://ejurnal.teknokrat.ac.id/index.php/teknokompak
E  : teknokompak@teknokrat.ac.id.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


Jumlah Pengunjung : View Tekno Kompak StatsCounter

Flag Counter