ANALISA PERBANDINGAN METODE KLASIFIKASI NAIVE BAYES DENGAN LAPLACIAN DAN K-NEAREST NEIGHTBOR (K-NN) PADA SELEKSI PENERIMA BEASISWA


Author (Penulis)

DEWI RAHMAWATI
Universitas Nusantara PGRI Kediri

Author Identity (NPM)

13.1.03.02.0193

Abstract

Abstrak DEWI RAHMAWATI: Analisa Perbandingan Metode Klasifikasi Naive Bayes Dengan Laplacian Dan K-Nearest Neightbor (K-NN) Pada Seleksi Penerima Beasiswa, Skripsi, Teknik Informatika, FT UN PGRI Kediri, 2017. Penelitian ini dilatar belakangi permasalahan yang sering muncul dalam penyaluran beasiswa, yaitu kurang tepatnya penyaluran beasiswa karena tujuan dari adanya beasiswa adalah memotivasi siswa untuk selalu meningkatkan prestasi akademik maupun non akademik. Dari permasalahan tersebut banyak dibuat sistem penerima beasiswa yang bertujuan mempermudah pihak sekolah untuk menyeleksi penerima beasiswa dengan berbagai metode. Banyaknya metode yang digunakan dengan hasil yang berbeda-beda membuat beberapa peneliti melakukan analisa metode mana yang lebih akurat digunakan untuk sistem penerima beasiswa. Permasalahan penelitian ini adalah (1) Bagaimana menganalisa hasil perbandingan metode klasifikasi naive bayes dengan laplacian dan K-Nearest Neightbor (K-NN) terhadap sistem seleksi penerima beasiswa? Penelitian ini menggunakan dua metode klasifikasi yaitu naive bayes dengan laplacian dan K-Nearest Neightbor (K-NN). Naive bayes dengan laplacian yaitu klasifikasi dengan memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya dengan menambahkan nilai 1 pda setiap probabilitas untuk mencegah nilai nol. Sedangkan, K-Nearest Neightbor (K-NN) adalah metode klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Kesimpulan dari penelitian ini adalah dari hasil perhitungan dan pengujian sistem perbandingan metode pada seleksi penerima beasiswa didapat bahwa perhitungan naive bayes dengan laplacian menghasilkan 5 siswa yang mendapatkan beasiswa dari 13 siswa. Sedangkan, metode k-nn (k-nearest neigtbor) menghasilkan 3 siswa yang mendapatkan beasiswa dari 13 siswa. Itu artinya metode naive bayes dengan laplacian lebih tepat digunakan untuk sistem penerima beasiswa. Kata Kunci : Perbandingan, naive bayes dengan laplacian, K-Nearest Neightbor (K-NN), penerima beasiswa, Hasil Analisa.

Keyword

a

Reference


PUBLISHED

2017-08-15

JOURNAL

Simki-Techsain

ISSN

2599-3011

ISSUE

Vol. 01 No. 08 Tahun 2017

Download PDF

Lembaga Penelitian dan Pengabdian Kepada Masyarakat UN PGRI Kediri.

Jl. KH. Ahmad Dahlan 76 Mojoroto Kota Kediri

Designed by BootstrapMade
LPPM Server - Powered by BSI