Klasifikasi Penerimaan Beasiswa Menggunakan Algoritma Naive Bayes Classifier
Author (Penulis)
FADILA NUR INDRASARIUniversitas Nusantara PGRI Kediri
Author Identity (NPM)
14.1.03.03.0150Abstract
Penelitian ini dilatarbelakangi hasil pengamatan peneliti, bahwa kurang tepatnya sasaran
penerimaan beasiswa kepada mahasiswa yang memerlukan dan berhak menerimanya karena
kesulitan dalam menyeleksi mahasiwa dan kriteria yang banyak. Akibatnya terdapat
mahasiswa yang seharusnya mendapatkan hak beasiswa tersebut menjadi tidak menerimanya.
Permasalahan penelitian ini adalah (1) Bagaimana cara untuk mempermudah dalam
menganalisa mahasiswa yang memerlukan dan berhak menerima beasiswa (2) Bagaimana
cara untuk mempermudah dalam menyeleksi dan menentukan mahasiswa penerima beasiswa?
Penelitian menggunakan algoritma Naive Bayes Classifier untuk mengatasi permasalahan
tersebut. Dengan algoritma Naive Bayes ini dapat dihitung nilai probabilitas yang digunakan
untuk menentukan apakah mahasiswa tersebut berhak menerima beasiswa ataupun tidak.
Teknik pengumpulan data pada penelitian ini adalah menggunakan kuesioner yang diberikan
kepada mahasiswa Fakultas Teknik angkatan tahun 2016-2017.
Kesimpulan yang diperoleh pada penelitian ini adalah algoritma Naive Bayes Classifier
telah diimplementasikan untuk mencari nilai probabilitas dalam menentukan mahasiswa yang
mendapatkan beasiswa atau tidak dengan akurasi tertinggi sebesar 87,50%. Nilai akurasi
tersebut didapatkan dengan cara melakukan percobaan proses testing dengan jumlah data
training berbeda dengan data testing dengan tool yang digunakan adalah aplikasi microsoft
excel dan rapid miner.
Dengan adanya sistem tersebut, diharapkan dapat mempermudah dalam penerimaan
beasiswa kepada mahasiswa yang memerlukan dan berhak menerimanya.
Keyword
aReference
Aprilla, D., Baskoro, D. A., Ambarwati, L., & Wicaksana, I. W. (2013).
Belajar Data Mining Dengan
RapidMiner. Jakarta: Open Content Model. Defiyanti, S., & Jajuli, M. (2015). Integrasi Metode Klasifikasi Dan Clustering dalam Data Mining. Konferensi
Nasional Informatika (KNIF)
Volume 10, No. 15, 39- 44.Dharwiyanti, S., & Wahono, R. S. (2003). Pengantar Unified Modelling Language (UML).
Kuliah Umum IlmuKomputer Vol. 2
No. 1, 1-12. Jogiyanto. (2008). Analisis dan Desain
Sistem Informasi : Pendekatan
Terstruktur Teori dan Praktek
Aplikasi Bisnis. Yogyakarta: ANDI. Julyantari, N. K., & Suryawan, I. K. (2014). Data Mining Prestasi Akademik Dengan Naive Bayes Berdasarkan Attribut Importance (AI). Jurnal Sistem Dan
Informatika Vol.9,No.1, November
2014, 75-85. Listiyoko, L., Wati, R., & Fahrudin, A. (2017). Klasifikasi Siswa untuk Meningkatkan Nilai Rata-Rata Kelas Menggunkan Metode Data Mining. Seminar Nasional
Teknologi dan Rekayasa (SENTRA)
Volume 3, Nomer 4, 1-9. Mau, S. D. (2014). Sistem Penudkung Keputusan Seleksi Beasiswa Menggunakan Teorema Bayes dan Dempster-Shafer. Jurnal
Pekommas, Vol. 17 No. 1, 23-32. Rahman, M. A. (2015). Algoritma C45 Untuk Menentukan Mahasiswa Penerima Beasiswa (Studi Kasus : PPS IAIN Raden Intan Bandar Lampung). Jurnal TIM Darmajaya
Vol. 01 No.02, 118-128. Saleh, A. (2015). Implementasi Metode Klasifikasi Naive Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga. Citec Journal, Vol.2, No.3,
ISSN :2354-5771, 207-217. Virgana, Pauziah, U., & Sonny, M. (2014). Kajian Algoritma Naive Bayes Dalam Pemilihan Penerimaan Beasiswa Tingkat SMA. Seminar
Nasional Teknologi Informasi dan
Multimedia 2014 ISSN : 2302-
3805, 1-6. Wibowo, A. P., & Hartati, S. (2016). Sistem Klasifikasi Kinerja Satpam Menggunakan Metode Naive Bayes Classifier. Jurnal Inotek Polbeng,
Seri Informatika, Vol. 1, No. 2, 192-201. Wicaksono, A. E. (2016). Implementasi Data Mining Dalam Pengelompokkan Data Peserta Didik Di Sekolah Untuk Memprediksi Calon Penerima Beasiswa Dengan Menggunakan Algoritma K-Means (Studi Kasus SMAN 16 Bekas). Jurnal
Teknologi Rekayasa Volume 21 No.
3, 206-216.
