IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK PREDIKSI KELULUSAN SISWA (STUDI KASUS: MTsN 1 BONE)

ANDI MEYTIA WULAN SARI (2022) IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK PREDIKSI KELULUSAN SISWA (STUDI KASUS: MTsN 1 BONE). Undergraduate Theses thesis, Universitas Tadulako.

Full text not available from this repository.

Abstract

Machine Learning merupakan cara untuk menemukan informasi baru yang diambil dari data dalam jumlah besar yang membantu dalam pengambilan keputusan. Dengan memanfaatkan data identitas siswa, keterangan kelulusan siswa, dan nilai rata-rata rapor siswa sebagai sumber datanya, diharapkan dapat menghasilkan informasi tentang prediksi kelulusan siswa. Saat ini di MTsN 1 Bone masih ada siswa-siswi yang tidak mencapai nilai rata-rata kelulusan dikarenakan pihak sekolah tidak mengetahui performa siswa-siswi mereka dan siswa-siswi tersebut diharuskan melakukan remedial terlebih dahulu baru dinyatakan lulus. Penelitian ini dilakukan untuk membangun aplikasi sistem prediksi kelulusan siswa dengan menggunakan algoritma Naïve Bayes yang dapat memprediksi kelulusan siswa berdasarkan parameter yang digunakan. Dalam penelitian ini terdapat 15 parameter yang merupakan nilai rata-rata rapor siswa dari semester 1 sampai semester 4. Algoritma Naive Bayes melakukan perhitungan sesuai dengan class dan fitur yang digunakan dan menghasilkan prediksi berdasarkan hasil perbandingan nilai class tertinggi. Pengujian yang dilakukan pada penelitian ini yaitu pengujian black box dan pengujian algoritma yaitu pengujian dengan menggunakan confusion matrix. Pengujian ini dilakukan untuk melihat fungsi-fungsi sistem telah berjalan dengan baik serta sistem dapat melakukan prediksi kelulusan siswa. Pada pengujian confusion matrix, didapat tingkat keakurasian sistem sekitar 95?n memiliki nilai error 5?rdasarkan pengujian 562 data siswa tahun ajaran 2016/2017. Kata Kunci : machine learning, naïve bayes, prediksi kelulusan siswa, confusion matrix.

Item Type: Thesis (Undergraduate Theses)
Subjects: University Structure > Faculty of Engineering > Informatics Engineering
S1 - Undergraduate Thesis > Faculty of Engineering > Informatics Engineering
Divisions: Faculty of Engineering > Informatics Engineering
Tadulako Subject Areas > S1 - Undergraduate Thesis > Faculty of Engineering > Informatics Engineering
Depositing User: system estd estd
Date Deposited: 03 Oct 2022 07:03
Last Modified: 03 Oct 2022 06:35
URI: http://repository.untad.ac.id/id/eprint/7657

Actions (login required)

View Item View Item