Aplikasi Data Mining Untuk Memprediksi Kelulusan Siswa Dengan Metode Naïve Bayes Studi Kasus SMP Negeri 11 Kotabumi Utara

Tumini Tumini, Lisma Damayanti

Sari


Data mining merupakan cara untuk menemukan informasi baru yang diambil dari data dalam jumlah besar yang membantu dalam pengambilan keputusan. Dengan memanfaatkan data induk siswa, kelulusan siswa, dan nilai rata-rata siswa sebagai sumber datanya, diharapkan dapat menghasilkan informasi tentang prediksi kelulusan siswa melalui teknik data mining. Kategori prediksi kelulusan di ukur dari jenis kelamin, perilaku, nilai rata-rata rapor dan nilai rata-rata UAS (ujian akhir sekolah). Proses teknik data mining ini ada 2 macam yaitu, proses analisa pola data kelulusan siswa yang telah ada sebelumnya (Data Training) berdasarkan atribut – atribut yang di ujikan dan proses dari analisa pola data baru yang diujikan berdasarkan pola yang telah ada (Data Testing). Informasi yang ditampilkan dari proses tersebut ada 2 macam yaitu, informasi hasil proses data training dan informasi data berupa nilai probabilitas posterior (kemungkinan kemunculan) dari masing-masing kategori prediksi kelulusan. Pada analisa data yang dilakukan diproses testing, di dapat tingkat keakurasian sistem sekitar 92% dan memiliki nilai error 0.8% berdasarkan pengujian 549 data siswa tahun 2014 sampai dengan tahun 2017 dengan menggunakan perhitungan manual metode naïve bayes clasifision dan perhitungan pembuktian menggunakan aplikasi RapidMiner

Kata Kunci


Data Mining

Teks Lengkap:

PDF PDF

Referensi


Ahmad Fikri , M . (2014). Implementasi Data Mining Untuk Memprediksi Kelulusan Mahasiswa Fakultas Komunikasi Dan Informatika Ums Menggunakan Metode Naive Bayes. Surakarta : Jurnal Of Chemical Informasion And Modelling.

Eka Praja Wiyata, S. M. (2013). Aplikasi data mining untuk memprediksi kelulusan siswa jurusan IPA MAN 3 Padang. Padang: majalah ilmiah UPI YPTK.

Hermawati, F. A. (2013). Data Mining. Yogyakarta: CV ANDI.

Hidayatullah, P. (2015). VISUAL BASIC. NET Membuat aplikasi database dan program kreatif. Bandung: Informatika Bandung.

Kadir, Abdul.2011. From Zero to Pro SQL Server.Penerbit ANDI. Yogyakarta.

Meilani (2015). Aplikasi Data Mining Untuk Menghasilkan Pola Kelulusan Siswa Dengan Metode Naïve Bayes. Yogyakarta : Jurnal Ilmiah NERO.

Muhammad, Syukri. M. (2014). Perancangan Aplikasi Prediksi Kelulusan Tepat Waktu Bagi Mahasiswa Baru Dengan Teknik Data Mining (Studi Kasus: Data Akademik Mahasiswa STMIK Dipanegara Makassar) : Makasar : Citec Jurnal.

Muin, S. &. (2016). Metode Naive Bayes untuk prediksi kelulusan (studi kasus : data mahasiswa baru perguruan tinggi. Makasar: jurnal ilmiah ilmu komputer.

N. Yuda, Septian.2009. Data Mining Menggunakan Algoritma Naïve Bayes Untuk Klasifikasi Kelulusan Mahasiswa Universitas Dian Nuswantoro. Bekasi : Jurnal Sematintik 2013.

Nugroho, Adi.2010.UML (Unifed Modeling Language). Jakarta : Penerbit Andi

Nuqson, Masyur. H. 2010. Aplikasi Data Mining Untuk Menampilkan Informasi Tingkat Kelulusan Mahasiswa (Studi KasusdiFakultas MIPA Universitas Diponegoro) .Semarang

Prasetyo, E. (2012). Data Mining Konsep dan Aplikasi menggunakan Matlab.Yogyakarta: CV ANDI.

Rosa, A. S., & Salahudin, M. (2013). Rekayasa Perangkat Lunak Terstruktur dan Berorientasi Objek. Bandung: Infotika.

Safaat, N. (2012). Pemograman Aplikasi Mobile SmartPhone dan Tablet PC Berbasis Android.Bandung : Informatika Bandung.

Susanti, B. D. (2015). Aplikasi Data Mining untuk menghasilkan pola kelulusan siswa dengsn metode naive bayes. Surabaya: jurnal ilmiah Nero.

Syarili, A . Muin (2016) Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus : Data Mahasiswa Baru Perguruan Tinggi ) . Padang : Jurnal ilmu computer

Tumini (2016) . Prediksi kelulusan mahasiswa dengan metode support vector machine (svm) studi kasus stmik cikarang. Bekasi : Tesis Pascasarjana, Program Luhur, Universitas Budi.

Widodo, P. P., & Herlawati. (2011). Menggunakan UML ( Unfied Modeling Language). Bandung: Infotika Bandung.


Refbacks

  • Saat ini tidak ada refbacks.