SISTEM PENDUKUNG KEPUTUSAN PERIZINAN SANTRI MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER DENGAN LAPLACE CORRECTION


Author (Penulis)

DIMAS INDRAJAYA
Universitas Nusantara PGRI Kediri

Author Identity (NPM)

14.1.03.02.0185

Abstract

Penelitian ini dilatarbelakangi oleh data keterlambatan perizinan Santri di Pondok Pesantren
Wali Barokah Kota Kediri tahun 2014-2018. Dimana terjadi rata-rata 33,03% keterlambatan izin tiap
tahunnya. Konsekuensi yang didapat Santri karena keterlambatan izin adalah ketinggalan materi yang
menyebabkan tidak bisa mengikuti tes kenaikan kelas dan ujian sehingga tidak lulus tepat waktu. Izin
untuk Santri diberikan oleh Tim Perizinan secara manual sehingga terjadi tidak tepatnya pemberian izin
serta perbedaan pemberian izin antara Tim Perizinan.
Permasalahan dalam penelitian ini adalah bagamana cara memprediksi keterlambatan dari
perizinan santri? dan bagaimanakah cara membuat Sistem Pendukung Keputusan (SPK) yang mampu
memberikan acuan dan pertimbangan dalam pemberian izin kepada Santri?.
Penelitian ini menggunakan salah satu metode dari Data Mining yaitu Naive Bayes Classifier
(NBC) dengan Laplace Correction (LC) untuk memprediksi peluang keterlambatan dari perizinan Santri
dimasa depan berdasarkan data perizinan Santri yang telah ada sebelumnya dan dibuat dengan
menggunakan bahasa pemrograman PHP dan MySQL.
Kesimpulan hasil penelitian ini adalah peluang keterlambatan perizinan Santri dapat diprediksi
menggunakan SPK yang dibangun dengan algoritma NBC dengan LC berdasarkan 300 data latih
sehingga dapat mempermudah proses pemberian izin Santri. Akurasi yang didapat dari sistem yang
dibangun sebesar 88,33% dengan 53 data uji diklasifikasikan dengan benar dari total 60 data uji.
 


Keyword

a

Reference

Al Huda, A.H. & Widodo, Y. 2010.
Peraturan Mondok Santri CKM. Kediri:
Pondok Pesantren Wali Barokah.


Demigha, S. 2015. Data Mining for Breast
Cancer Screening, makalah disajikan
pada IEEE International Conference on
Computer Science & Education ke-10,
hal 59–63, Cambridge Univ.,
Cambridge, UK.


Hidayatullah, P & Kawistara, J.K. 2017.
Pemrograman Web. Bandung:
Informatika Bandung.


Kasih, Patmi. & Farida, I.N. 2017. Sistem
Bantu Pemilihan Dosen Pembimbing
Tugas Akhir Berdasarkan Kategori
Pilihan dan Keahlian Dosen
Menggunakan Naïve Bayes. Makalah
disajikan pada Seminar Nasional
Teknologi Informasi, Komunikasi dan
Aplikasinya, Malang 23 November
2017 (Online), tersedia:
https://jurnal.stiki.ac.id/, diunduh 04
Pebruari 2018.


Majelis At-Taujih Wa Al-Irsyad, LDII.
2013. Buku Kurikulum Ponpes Wali
Barokah. Kediri: Ponpes Wali Barokah.


Nofriansyah, D., Erwansyah, K. &
Ramadhan, M. 2015. Penerapan Data
Mining dengan Algoritma Naive Bayes
Clasifier untuk Mengetahui Minat Beli
Pelanggan terhadap Kartu Internet XL:
Studi Kasus di CV. Sumber Utama
Telekomunikasi. Jurnal Saintikom,
(Online), Vol.15 No.2: 81-92, tersedia:
https://lppm.trigunadharma.ac.id/,
diunduh 04 Desember 2017.


Pratiwi, Heny. 2016. Buku Ajar Sistem
Pendukung Keputusan. Yogyakarta:
Deepublish.


Suyanto. (2017). Data Mining untuk
Klasifikasi dan Klasterisasi Data.
Bandung: Informatika.


Vulandari, R.T. 2017. Data Mining Teori
dan Aplikasi Rapidminer. Surakarta:
Gava Media.


Xhemali, D., Hinde, C.J. & Stone G.R. 2009.
Naïve Bayes vs. Decision Trees vs.
Neural Networks in the Classification of
Training Web Pages. International
Journal of Computer Science Issues,
(Online), Vol. 4, No. 1 ISSN: 1694-
0784, tersedia: http://cogprints.org/,
diunduh 04 Desember 2017.
 


PUBLISHED

2018-08-16

JOURNAL

Simki-Techsain

ISSN

2599-3011

ISSUE

Vol. 02 No. 12 Tahun 2018

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