PERBANDINGAN ALGORITMA NAÃVE BAYES , K-NN , ID3 , DAN SVM DALAM MENENTUKAN PREDIKSI KELULUSAN SISWA DI SMK MUHAMADIAH MAJENANG
DOI:
https://doi.org/10.35473/jamastika.v2i1.1871Abstract
SMK Muhamadiah Majenang merupakan unit pelaksana pendidikan formal untuk menyiapkan peserta didik agar bisa menjadi generasi penerus bangsa. Kelulusan menjadi syarat dan ketentuan yang di tetapkan agar bisa menyelesaikan proses pembelajaran yang telah di tentukan dan harus di lalui oleh setiap siswa. Memprediksi tingkat kelulusan siswa penting bagi penyelenggara pendidikan untuk meningkatkan dan mempertahankan prestasi siswa dalam proses pembelajaran. Maka dengan melakukan penelitian prediksi kelulusan siswa menggunakan Data Mining diharapkan dapat menjadi upaya dalam peningkatan kualitas pendidikan. Dalam penelitian ini akan di lakukan perbandingan antara algoritma naïve bayes , K-NN , ID3 , dan SVM untuk menentukan metode mana yang paling efektif dalam menentukan prediksi kelulusan siswa. Atribut yang digunakan dalam penelitian ini adalah Transkip Nilai dari Semester 1 sampai Semester 5 dan Ujian Sekolah. Dalam penelitian ini menggunakan populasi 420 siswa yang terdiri dari 326 siswa laki-laki dan 94 siswa perempuan.
SMK Muhamadiah Majenang is a formal education implementing unit to prepare students to become the nation's next generation. Graduation is the terms and conditions that are set in order to complete the learning process that has been determined and must be passed by each student. Predicting student graduation rates is important for education providers to improve and maintain student achievement in the learning process. So by conducting research on student graduation predictions using Data Mining, it is hoped that it can be an effort to improve the quality of education. In this study, a comparison will be made between the nave Bayes algorithm, K-NN, ID3, and SVM to determine which method is the most effective in determining student graduation predictions. The attributes used in this study are transcripts of grades from semester 1 to semester 5 and school exams. In this study, a population of 420 students consisted of 326 male students and 94 female students.
References
Jaya Sumpena.,Nina Kurnia H.(2019), Analisis Prediksi Kelulusan Siswa PKBM paket C dengan metode algoritma Naïve Bayes. Jurnal TEDC Vol. 13 No. 2, Mei 2019
Moh.Zainuddin.(2019), Perbandingan 4 algoritma berbasis particle swarm optimization ( PSO ) untuk prediksi kelulusan tepat waktu mahasiswa. Jurnal Vol.13, No. 1, Tahun 2019
Putu Gede Surya Cipta Nugraha, I Wayan Aribawa, I Putu Okta Priyana, Gede Indrawan.(2016), penerapan metode decision tree ( data mining ) untuk memprediksi tingkat kelulusan siswa SMPN 1 KINTAMANI. Jurnal Seminar Nasional Vokasi dan Teknologi (SEMNASVOKTEK). Denpasar-Bali, 22 Oktober 2016
Aries Saifudin.(2017), metode data mining untuk seleksi calon mahasiswa pada penerimaan mahasiswa baru di universitas pamulang. Jurnal:.umj.ac.id/index.php/jurtek Volume 10 No. 1 Januari 2018
Rizqy Agung Permana.(2016), seleksi atribut pada metode support vector machine untuk menentukan kelulusan mahasiswa e-learning. Jurnal Evolusi Volume 4 Nomor 1 - 2016 - lppm3.bsi.ac.id/jurnal
Suhardjono, Ganda Wijaya, Abdul Hamid ( 2019 ) , prediksi waktu kelulusan mahasiswa menggunakan SVM berbasis PSO. Jurnal Vol. 7 No. 2 – Tahun 2019
Arif Pratama, Randy CahyaWihandika, Dian Eka Ratnawati ( 2018 ) Implementasi Algoritme Support Vector Machine(SVM) untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa. Jurnal Vol. 2, No. 4, April 2018
