Pemodelan Komputasi Data Mining untuk Prediksi Kelayakan Siswa dalam Penjurusan dengan Algoritma Naïve Bayes

Peneliti

Lusi Melian, S.Si, MT Assoc. Prof. Dr. Agus Nursikuwagus, ST.,MT.,MM.

Deskripsi/Abstrak

Prediksi adalah satu bidang dalam penggalian data yang membahas tentang klasifikasi. Salah satu metode algoritma dalam prediksi adalah Algoritma Naïve-Bayes Decisions. Penelitian ini diajukan tentang keputusan kelayakan untuk menerima atau menolak siswa di sekolah kejuruan. Variabel akan dihitung oleh algoritma Naïve-Bayes Decisions yang berisi nilai ujian akhir, laporan, psikologi, wawancara, dan kompetensi. Eksekusi untuk langkah pertama adalah mengubah setiap variabel menjadi nilai mulai. Langkah maju dilanjutkan untuk menghitung nilai kemungkinan untuk setiap variabel. Pada 200 siswa, penelitian telah menghasilkan uji validasi 200 sama dengan jumlah prediksi benar adalah 87,5%, dan jumlah prediksi tidak tepat adalah 12,5%. Sedangkan akurasi keseluruhan hasil dengan empat fitur target adalah 95,1%. Sebagai pembanding algoritma Naïve-Bayes Decisions adalah algoritma J48. Algoritma Naïve-Bayes Decisions memberikan hasil yang lebih baik dibandingkan J48. Hal ini terjadi karena rekayasa pengetahuan dari rentangan nilai nominal yang diajukan, telah memenuhi karakteristik proses dan data. Dampak dari penelitian ini adalah sekolah dapat memprediksi berapa banyak prediksi sebaran siswa untuk setiap program studi yang disediakan oleh sekolah kejuruan.