PENENTUAN PENERIMAAN BEASISWA MENGGUNAKAN ALGORITMA NAIVE BAYES PADA SDN PASEKON

research
  • 29 Apr
  • 2021

PENENTUAN PENERIMAAN BEASISWA MENGGUNAKAN ALGORITMA NAIVE BAYES PADA SDN PASEKON

ABSTRAK

 

Monita Fatmawati (19162616), Penentuan Penerimaan Beasiswa Menggunakan Algoritma Naïve Bayes Pada SDN Pasekon

 

Beasiswa merupakan pembayaran yang tidak berasal dari orang tua atau pendanaan diri sendiri, akan tetapi diberikan oleh pemerintah, kedutaan, perusahaan swasta, lembaga pendidik bahkan universitas. Oleh karena itu masih banyak siswa yang berprestasi tetapi tidak dapat membayar biaya sekolah karena penghasilan orang tua yang tidak seimbang dengan jumlah tanggungan sehingga penerimaan beasiswa kurang akurat, maka dari itu penerapan algoritma naïve bayes dirasa paling tepat dalam penentuan penerimaan beasiswa seperti yang sudah digunakan pada penelitian  terkait sebelumnya yang menghitung keakuratan pemberian beasiswa kepada peserta didik atau pelajar dengan menggunakan metode algoritma naïve bayes karena dalam beberapa penelitian sebelumnya algoritma naïve bayes terbukti memiliki hasil yang tinggi dalam pemberian beasiswa di kalangan pelajar, serta dapat menghasilkan nilai accuasy dan AUC yang tinggi. Tahapan analisa data dilakukan berdasarkan metode CRISP-DM sedangkan pengujian algoritma dilakukan pada Software RapidMiner 5 sebagai pembanding antara hitungan manual dan hitungan software. Hasil dari pengujian tersebut diperoleh nilai akurasi sebesar 90,15%, dan nilai AUC sebesar 0.978 sehingga alur algoritma dan hasil akhir dari nilai keseluruhan diimplementasikan kedalam sebuah aplikasi berbasis website agar mempermudah instansi sekolah menghitung jumlah siswa atau siswi yang layak mendapatkan beasiswa serta memprediksi ketepatan pemberian beasiswa berdasarkan prioritas yang benar  dengan waktu yang lebih cepat.


            ABSTRACT

 

Monita Fatmawati (19162616), Determination of Scholarship Acceptance Using the Naïve Bayes Algorithm at Pasekon State Elementary School.

 

Scholarships are payments that do not come from parents or self-funding but are provided by the government, embassies, private companies, educational institutions, and even universities. Therefore there are still many students who excel but cannot pay school fees because the income of parents is not balanced with the number of dependents so that the acceptance of scholarships is less accurate, therefore the application of the naïve Bayes algorithm is considered most appropriate in determining the acceptance of scholarships as used in research related previously which calculates the accuracy of scholarship giving to students or students using the naïve Bayes algorithm method because in several previous studies the naïve Bayes algorithm was proven to have high results in scholarships granting among students, and could produce high accuracy and AUC values. Stages of data analysis were carried out based on the CRISP-DM method while algorithm testing was performed on the RapidMiner 5 Software as a comparison between manual counts and software counts. The results of the test obtained an accuracy value of 90.15%, and an AUC value of 0.978 so that the algorithm flow and the final results of the overall value are implemented into a website-based application to make it easier for school agencies to count the number of students eligible to receive scholarships and predict the accuracy of the award faster priority- based scholarships.


Unduhan

 

REFERENSI

DAFTAR PUSTAKA

 

Annur, H. (2018). Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes. ILKOM Jurnal Ilmiah, 10(2), 160-165. https://doi.org/10.33096/ilkom.v10i2.303.160-165

Basri, H. (2019). Implementasi Algoritma Naive Bayes Untuk Mengetahui Potensi Siswa Dalam Pemahaman Ms. Excel. Sistemasi, 8(3), 505. https://doi.org/10.32520/stmsi.v8i3.569

Buulolo, E. (2020). Data Mining. Yogyakarta: CV BUDI UTAMA.

Feblian, D., & Daihani, D. U. (2017). Implementasi Model Crisp-Dm Untuk Menentukan Sales Pipeline Pada Pt X. Jurnal Teknik Industri, 6(1), 1–12. https://doi.org/10.25105/jti.v6i1.1526

Hapsari, D. T., Harin, & Nugroho, J. A. (2018). Pengaruh Beasiswa PPA dan Kebiasaan Belajar Terhadap Prestasi Belajar Mahasiswa FKIP UNS Penerima Beasiswa PPA Periode Januari-Juni 2017. Jurnal Pendidikan Bisnis Dan Ekonomi, 4(1).

Helilintar, Winarno, & Al Fatta, F. (2016). Penerapan Metode SAW dan Fuzzy Dalam Sistem Pendukung Keputusan Penerimaan Beasiswa in Decision Support System Scholarship. 3(2), 89–101.

Hidayat, R., Primasari, I., Psikologi, F., & Mada, U. G. (2016). Metodologi Penelitian Psikodiagnostika. Buletin Psikologi, 19(2), 81–92. https://doi.org/10.22146/bpsi.11559

Kumalasari, I., & Nasution, L. (2019). Integrasi pendidikan nilai dalam membangun karakter siswa di sekolah dasar jampalan kecamatan simpang empat kabupaten asahan provinsi sumatera utara. 4(1).

Lestari, S., & Badrul, M. (2020). Implementasi Klasifikasi Naive Bayes Untuk Prediksi. 7(1), 8–16.

Luh, N., Sri, W., Ginantra, R., & Wardani, N. W. (2019). Implementasi Metoda Naïve Bayes Dan Vector Space Model Dalam Deteksi Kesamaan Artikel Jurnal Berbahasa. 4(2).

Mardi, Y. (2017). Data Mining: Klasifikasi Menggunakan Algoritma C4.5. Jurnal Edik Informatika, 2(2), 213–219.

Mursalin, D. I., Berorientasi, D., & Belajar, T. (2016). Jurnal Dikma Vol. 4 No. 2, Oktober 2016 PEMBELAJARAN GEOMETRI BIDANG DATAR DI SEKOLAH DASAR BERORIENTASI TEORI BELAJAR PIAGET Mursalin. 4(2), 250–258.

Puspabhuana, A. M. (2017). Pengolahan Data Menjadi Informasi Dengan RapidMiner. Yogyakarta: CV Kekata Group.

Moonallika Putu Sainanda Cahyani, Ketut Queena Fredlina, I. K. S. (2020). Penerapan Data Mining Untuk Memprediksi Kelulusan Mahasiswa Menggunakan Algoritma Naive Bayes Classifier (Studi Kasus STMIK Primakara). Jurnal Ilmiah Komputer, 6(1), 47–56.

Rika Nofitri, N. I. (2019). INTEGRASI METODE NEIVE BAYES DAN SOFTWARE RAPIDMINER DALAM ANALISIS HASIL USAHA PERUSAHAAN DAGANG Rika Nofitri, Novica Irawati Sekolah Tinggi Manajemen Infromatika dan Komputer Royal PENDAHULUAN Keuntungan menjadi target utama di sebuah Setiap perusahaan. Jurteksi, VI(1), 35–42.

Riswanto, I., Laluma, R. H., Studi, P., Informatika, T., Buana, U. S., Pinjaman, K., Data, P., & Pendahuluan, I. (2020). KARYAWAN MENGGUNAKAN METODE NAÏVE BAYES. 5(1), 11–16. https://doi.org/10.32897/infotronik.2020.5.1.2

Rohman, A., & Rochcham, M. (2019). Komparasi Metode Klasifikasi Data Mining Untuk Prediksi Kelulusan Mahasiswa. Neo Teknika, 5(1), 23–29. https://doi.org/10.37760/neoteknika.v5i1.1379

Rosandy, T. (2016). PERBANDINGAN METODE NAIVE BAYES CLASSIFIER DENGAN METODE DECISION TREE (C4.5) UNTUK MENGANALISA KELANCARAN PEMBIAYAAN (Study Kasus: KSPPS / BMT AL-FADHILA. Jurnal Teknologi Informasi Magister Darmajaya, 2(1), 52–62.

Rumahorbo, Sekarwati, Algoritma, C., Carolina, A., Ade, K., & Kunci, K. (2020). Penerapan Data Mining dengan Menggunakan Provinsi di Indonesia Pendahuluan. 19, 27–38.

Saputra, R. A., & Ayuningtias, S. (2016). Penerapan algoritma naïve bayes untuk penentuan calon penerima beasiswa pada smk pasim plus sukabumi. IV(2), 114–120.

Saputro, I. W., & Sari, B. W. (2020). Uji Performa Algoritma Naïve Bayes untuk Prediksi Masa Studi Mahasiswa. Creative Information Technology Journal, 6(1), 1. https://doi.org/10.24076/citec.2019v6i1.178

Satria, F., Zamhariri, Z., & Syaripudin, M. A. (2020). Prediksi Ketepatan Waktu Lulus Mahasiswa Menggunakan Algoritma C4.5 Pada Fakultas Dakwah Dan Ilmu Komunikasi UIN Raden Intan Lampung. Jurnal Ilmiah Matrik, 22(1), 28–35. https://doi.org/10.33557/jurnalmatrik.v22i1.836

Solehudin, B. (2020, Mei 17). Penerimaan Bantuan Beasiswa. (M. Fatmawati, Interviewer)

 

Suprianto, S. (2020). Implementasi Algoritma Naive Bayes Untuk Menentukan Lokasi Strategis Dalam Membuka Usaha Menengah Ke Bawah di Kota Medan (Studi Kasus: Disperindag Kota Medan). Jurnal Sistem Komputer Dan Informatika (JSON), 1(2), 125. https://doi.org/10.30865/json.v1i2.1939

Wanto, et al. C. P. (2020). Algoritma dan Implementasi. Malang: Yayasan KIta Menulis.

Wijaya, B. K., Saepudin, D., & Rohmawati, A. A. (2020). Prediksi Arah Kenaikan Indeks Sektoral yang Berada Di Bursa Efek Indonesia (BEI) dengan Menggunakan Bayesian Network. 7(1), 2848–2861.

Yunida, R., Watrianthos, R., & Nasution, M. (2019). Sistem Informasi Seleksi Penerimaan Beasiswa Ptn Siswa/I Labuhanbatu Berbasis Web. Jurnal Informatika, 6(2), 24–34. https://doi.org/10.36987/informatika.v6i2.744 

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru