STUDI KOMPARASI ALGORITMA NAÏVE BAYES DAN K-NN UNTUK KLASIFIKASI PENERIMAAN BEASISWA DI MI AL – ISLAMIYAH KARANGSAWAH
DOI:
https://doi.org/10.55123/storage.v2i4.2865Keywords:
Beasiswa, Naïve Bayes, K-Nearest Neighbor, Studi KomparasiAbstract
Pemberian beasiswa dilakukan agar para siswa dapat tetap melanjutkan sekolah, dalam menyeleksi siswa parameter yang digunakan terdiri dari jarak, tanggungan, pekerjaan orag tua, pendapatan orang tua, kelengkapan keluarga dan kelayakan. Dikarenakan belum ada metode untuk menentukan penerima beasiswa maka sering salah sasaran dalam memberikan beasiswa. Oleh karena itu diperlukan klasifikasi penerima beasiswa yang tepat dan akurat. Salah satunya data mining dengan metode deskriptif analitis. Bisa dikatakan penelitian deskriptif analitis mengambil masalah atau memperhatikan masalah- masalah yang ada saat penelitian kemudian diolah untuk mendapatkan sebuah kesimpulan.Berdasarkan hasil analisis dan pembahasan studi komparasi algoritma naïve bayes dan K-NN untuk klasifikasi penerimaan beasiswa di MI AL-Islamiyah, dari 186 data siswa yang terdiri dari 150 data training dan 36 data testing diperoleh Hasil klasifikasi dengan Naïve Bayes dan K-Nearest Neighbor diperoleh masing-masing 91,67% dan 75,00%. Berdasarkan nilai akurasi yan diperoleh dari dua algoritma tersebut, maka akurasinya termasuk excellent classification., dan algoritma Naïve Bayes lebih baik dalam klasifikasi penerimaan beasiswa dibandingkan algoritma K-Nearest Neighbor.
Downloads
References
Ikhsan, A. N., Subarkah, P., & Alifian, R. S. (2023). Komparasi Algoritme K-NN, Naïve Bayes, dan Cart untuk Memprediksi Penerima Beasiswa. JST (Jurnal Sains dan Teknologi), 12(2).
Amalia, Y. R. (2018). Penerapan Data Mining Untuk Prediksi Penjualan Produk Elektronik Terlaris Menggunakan Metode K-Nearest Neighbor (Studi Kasus: PT. Bintang Multi Sarana Palembang) (Doctoral dissertation, UIN RADEN FATAH PALEMBANG).
Sidik, A. D. W. M., Kusumah, I. H., Suryana, A., Artiyasa, M., & Junfithrana, A. P. (2020). Gambaran Umum Metode Klasifikasi Data Mining. FIDELITY: Jurnal Teknik Elektro, 2(2), 34-38.
Pebdika, A., Herdiana, R., & Solihudin, D. (2023). Klasifikasi Menggunakan Metode Naive Bayes Untuk Menentukan Calon Penerima PIP. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 452-458.
Silalahi, A. P., Simanullang, H. G., & Hutapea, M. I. (2023). Supervised Learning Metode K-Nearest Neighbor Untuk Prediksi Diabetes Pada Wanita. METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi, 7(1), 144-149.
NABILA, A. (2022). Analisis Sentimen Ulasan Produk Toner Pada Beauty Brand “The Body Shop” Menggunakan Metode Naïve Bayes Classifier Dan Support Vector Machine: Studi Kasus Di Female Daily.
Cahya, D. N., Hidayat, M., & Asnawi, M. F. (2022). Implementasi Algoritma K-Means Clustering untuk Menentukan Calon Penerima Beasiswa UKT di Universitas Sains Al-Qur’an. Journal of Engineering and Informatic, 1(1), 26-32
Downloads
Published
Issue
Section
License
Copyright (c) 2023 Muslim Hidayat, Afif Nazmi Fuadi, Dimas Prasetyo Utomo, Erna Dwi Astuti, Dian Asmarajati
This work is licensed under a Creative Commons Attribution 4.0 International License.
