Implementasi Teori Naive Bayes Dalam Klasifikasi Calon Mahasiswa Baru Stmik Kharisma Makassar

Loelianto, Irayori; Thayf, Moh. Sofyan S.; Angriani, Husni

doi:10.31598/sintechjournal.v3i2.651

Cited by 9 publications

(12 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The Naïve Bayes process with the concept of data mining in this study uses the Knowledge Discovery in Database (KDD) stage. The following is the Knowledge Discovery in Database (KDD) stage [7].…”

Section: Methodsmentioning

confidence: 99%

See 1 more Smart Citation

Analysis Naive Bayes to Selection New Students for Superior Class Stmik Royal

Sembiring¹,

Yusda²,

Santoso³

2023

JURTEKSI

View full text Add to dashboard Cite

Superior students represent active and intelligent students who are able to make a direct contribution to the development of the nation. To produce excellent students, one of the efforts that can be made is to foster these superior students from the start by forming a superior class. In forming a superior class, an effective selection process is needed to select students who are truly superior. This research was conducted at STMIK Royal Kisaran where the object of research was prospective new students for the superior class and the related party was the Academic and Student Administration Bureau (BAAK) because the party was directly involved in selecting prospective new students for the superior class. But the problem is, BAAK does not yet have an election process based on a method and there is no information system for selecting prospective new students for superior classes. The purpose of this study is to make predictions related to the selection of prospective new students for superior classes in the future with the Naïve Bayes Algorithm and implemented in an information system.The results of this research are that the Naïve Bayes algorithm produces an accuracy rate of 60% in the good classification category which is measured by the level of accuracy using the confusion matrix, so that the information system produced in this study also has efficient prediction results and is expected to help BAAK. Keywords: data mining; naïve bayes; superior student class. Abstrak: Mahasiswa unggulan merupakan representasi dari mahasiswa aktif dan cerdas yang mampu memberikan kontribusi langsung terhadap perkembangan bangsa. Untuk menghasilkan mahasiswa yang benar unggul salah satu upaya yang dapat dilakukan adalah dengan membina mahasiswa unggulan tersebut sejak awal dengan membentuk kelas unggulan. Dalam membentuk kelas unggulan dibutuhkan proses seleksi yang benar efektif untuk memilih mahasiswa yang benar unggul. Penelitian ini dilakukan di STMIK Royal Kisaran dimana objek penelitian merupakan calon mahasiswa baru untuk kelas unggulan dan pihak yang terkait adalah Biro Administrasi Akademik dan Kemahasiswaan (BAAK) karena pihak tersebut terlibat langsung dalam pemilihan calon mahasiswa baru untuk kelas unggulan. Namun permasalahannya, pihak BAAK belum memiliki sebuah proses pemilihan berdasarkan metode dan belum adanya sistem informasi pemilihan calon mahasiswa baru kelas unggulan. Tujuan dari penelitian ini adalah melakukan prediksi terkait pemilihan calon mahasiswa baru kelas unggulan di masa mendatang dengan Algoritma Naïve Bayes dan diimplementasikan dalam sebuah sistem informasi. Hasil penelitian ini algoritma Naïve Bayes menghasilkan tingkat akurasi sebesar 60% dengan kategori good classification yang diukur tingkat akurasinya dengan menggunakan confusion matrix, sehingga sistem informasi yang dihasilkan dalam penelitian ini juga memiliki hasil prediksi yang efisien dan diharapkan dapat membantu pihak BAAK. Kata Kunci: data mining; mahasiswa kelas unggulan; naïve bayes.

show abstract

Section: Methodsmentioning

confidence: 99%

“…Research with the title "Implementation of Naïve Bayes Theory in Classification of Prospective New Students STMIK Kharisma Makassar" the accuracy produced by the Naïve Bayes algorithm is 73% [7].…”

Section: Introductionmentioning

confidence: 99%

Analysis Naive Bayes to Selection New Students for Superior Class Stmik Royal

Sembiring¹,

Yusda²,

Santoso³

2023

JURTEKSI

View full text Add to dashboard Cite

show abstract

“…Teorema Bayes memungkinkan untuk memperbarui probabilitas sebuah hipotesis berdasarkan informasi baru atau bukti yang akan diperoleh. Persamaan tersebut adalah dasar untuk metode Naive Bayes karena diasumsikan bahwa setiap atribut tidak saling terkait secara kondisional (conditionally independent) [10]. Dalam hal ini, kita berasumsi bahwa nilai setiap atribut memberikan informasi yang independen tentang kelas yang akan diprediksi.…”

Section: Print Issn: 2461-1409 Journal Sensiunclassified

Prediksi Penerimaan Mahasiswa Baru Universitas Singaperbangsa Karawang dengan Naive Bayes

Cahya Bagaskara,

Rochmawati,

Adha

et al. 2023

sensi

View full text Add to dashboard Cite

Sistem pendukung keputusan merupakan alat penting dalam proses pengambilan keputusan yang efektif dan efisien. Dalam konteks pendidikan, prediksi penerimaan mahasiswa baru menjadi salah satu aspek penting dalam pengelolaan sebuah universitas. Penelitian ini bertujuan merancang sebuah sistem pendukung dalam mengambil keputusan dengan metode Naive Bayes dalam memprediksi penerimaan mahasiswa baru di Universitas Singaperbangsa Karawang.Kriteria yang telah ditetapkan untuk diterima di universitas ini meliputi asal sekolah calon mahasiswa, nilai akhir ujian, daya tampung universitas, peluang penerimaan, dan profil calon mahasiswa. Penyelesaian kriteria tersebut dilakukan melalui teknik Data Mining dengan metode Naive Bayes. Dataset yang digunakan dalam penelitian ini berupa Data Set dengan jumlah sebanyak 816 data. Berdasarkan uji coba menggunakan data tes SNBT, metode Naive Bayes berhasil mengklasifikasikan 4 dari 816 data yang diuji, dengan akurasi prediksi mencapai 97,79%, persentase tertinggi dalam memprediksi penerimaan mahasiswa baru. Dengan memanfaatkan sistem pendukung keputusan ini, universitas dapat melakukan prediksi penerimaan mahasiswa baru dengan akurasi tinggi, mempermudah pengambilan keputusan terkait penerimaan mahasiswa baru, meningkatkan efisiensi proses seleksi, dan mengurangi kesalahan dalam proses tersebut.

show abstract

“…Penelitian terkait rekomendasi pada organisasi baik pada bidang promosi ataupun yang lainnya khususnya di lingkup pendidikan sangat berkembang. Pada tabel 1 di bawah ini sebagi rekam jejak penelitian sebelumnya yang khusus membahas srategi promosi [6], memprediksi potensi pendaftaran siswa [2], dan mahasiswa [7], [8], serta penelusuran minat calon mahasiswa [9]. Dalam menentukan media promosi PPDB SMK Muhammadiyah 1 Borobudur maka penelitian ini menggunakan algoritma naïve bayes.…”

Section: Pendahuluanunclassified

Penerapan Metode Naive Bayes Dalam Rekomendasi Strategi Penerimaan Peserta Didik Baru

Sani,

Setiawan,

Primadewi

2022

JoSYC

View full text Add to dashboard Cite

New Student Admission (PPDB) is a school spearheading activity in getting students, especially for private schools. SMK Muhammadiyah 1 Borobudur as one of the private vocational schools in Magelang Regency. SMK Muhammadiyah 1 Borobudur has problems related to the PPDB promotion strategy. The PPDB promotion that has been carried out has not fully shown a significant promotion growth to increase the number of students registering each year and PPDB information has not yet reached remote areas of Magelang Regency. In determining the promotion media for PPDB SMK Muhammadiyah 1 Borobudur, this study uses the Naïve Bayes algorithm. Naïve Bayes is a classification method using probability and statistics to predict future opportunities based on the past. By using the nave Bayes algorithm which is applied with a ratio of 70:30 for train data and test data, it is able to produce an accuracy of 72%. To maximize the results of data accuracy, this study used the k-fold cross-validation method with k=10 times resulting in an accuracy of 75%. In addition, it can be seen that 3 PPDB information is recommended for promotional media, namely student partners, alumni and Instagram.

show abstract

Implementasi Teori Naive Bayes Dalam Klasifikasi Calon Mahasiswa Baru Stmik Kharisma Makassar

Cited by 9 publications

References 3 publications

Analysis Naive Bayes to Selection New Students for Superior Class Stmik Royal

Analysis Naive Bayes to Selection New Students for Superior Class Stmik Royal

Prediksi Penerimaan Mahasiswa Baru Universitas Singaperbangsa Karawang dengan Naive Bayes

Penerapan Metode Naive Bayes Dalam Rekomendasi Strategi Penerimaan Peserta Didik Baru

Contact Info

Product

Resources

About