GDL

APPLICATION OF DATA MINING FOR MIDDLE SCHOOL SCHOOL CLASSIFICATION AT SMAN 5 KOTA JAMBI USING NAÏVE BAYES CLASSIFIER ALGORITHM

Undergraduate Theses from gdlhub / 2019-05-08 09:26:14
Oleh : Daniel Harry Pangestu, STIKOM Dinamika Bangsa Jambi
Dibuat : 2019-05-08, dengan 7 file

Keyword : Data Mining, Klasifikasi, Penjurusan, Sekolah Menegah Atas, Naïve Bayes

Di SMAN 5 data-data siswa khususnya pada siswa kelas X semakin bertambah setiap tahunnya dan tidak ada tindak lanjut manfaat dari data-data yang tersedia. Oleh karena itu, penulis melakukan analisis data mining pada data-data siswa tersebut agar menjadi informasi yang sangat berharga bagi organisasi. Penulis menggunakan data siswa kelas X tahun 2018 sebanyak 194 data yang kemudian di sajikan kedalam format arff. Dalam melakukan analisis penulis menggunakan alat bantu Tools WEKA. Metode yang gunakan adalah metode klasifikasi Naïve Bayes dengan 7 atribut. Untuk menyeleksi atribut penulis menggunakan algoritma classifier attribute evaluation Hasil klasifikasi Naïve Bayes dengan persentasi akurasi terbesar diperoleh dengan menggunakan Use Training Set dengan persentasi akurasi Correctly Classified Instances sebesar 69.0722 %, menggunakan 5-cross validation Correctly dengan persentasi akurasi Correctly Classified Instances sebesar 68.0412 %, menggunakan 10-Fold Cross Validation dengan persentasi akurasi Correctly Classified Instances sebesar 67.5258 %, menggunakan 60% Percentage Split dengan persentasi akurasi Correctly Classified Instances sebesar 65.3846 %, menggunakan 80% Percentage Split dengan persentasi akurasi Correctly Classified Instances sebesar 64.1026 %. Sedangkan hasil seleksi atribut menggunakan algoritma classifier attribute evaluation (ClassifierAttributeEval) dinyatakan bahwa atribut yang paling berpengaruh terhadap klasifikasi Penjurusan Siswa adalah IQ

Deskripsi Alternatif :

At SMAN 5 student data specifically for class X students more and more each student and there is no follow-up benefit from the available data. Therefore, the author analyzes the data on student data so that it becomes very valuable information for the organization. The author uses data of class X students in 2018 as many as 194 data which are then presented in the format Arff. In conducting the analysis, the author uses the WEKA Tools tool. The method used is the Naïve Bayes classification method with 7 attributes. To select attributes, the author uses the classifier algorithm, attribute evaluation, results, classification, Naïve Bayes, with percentages, estimates, obtained, uses, Use Set Training with accurate percentages, True Classified Ads Instance of 69.0722%, using 5-cross validation 10 Fold Times Cross Validation with Percentage of True Classification of Machine Qualifications of 67.5258%, using 60% Percentage of Split with Qualification Percentage Correct Institution Classification of 65.3846%, using 80% Percentage of Split with Percentage of Qualifications Instant Institution Classification of 64.1026%. While the results of attribute selection using the classification algorithm attribute evaluation (ClassifierAttributeEval) which is claimed to be the most calculated attribute towards the classification of Student Majors is IQ

Beri Komentar ?#(0) | Bookmark

Properti	Nilai Properti
ID Publisher	gdlhub
Organisasi	STIKOM Dinamika Bangsa Jambi
Nama Kontak	Herti Yani, S.Kom
Alamat	Jln. Jenderal Sudirman
Kota	Jambi
Daerah	Jambi
Negara	Indonesia
Telepon	0741-35095
Fax	0741-35093
E-mail Administrator	elibrarystikom@gmail.com
E-mail CKO	elibrarystikom@gmail.com