Sistem Pengklasifikasi Penentuan Jurusan Kuliah Untuk Pelajar Sma Dengan Algoritma Ahp-Naïve Bayes

Prasetya, DavinEga (2016) Sistem Pengklasifikasi Penentuan Jurusan Kuliah Untuk Pelajar Sma Dengan Algoritma Ahp-Naïve Bayes. Sarjana thesis, Universitas Brawijaya.

Abstract

Perkuliahan di universitas sudah menjadi kebutuhan bagi pelajar SMA di dalam meneruskan pendidikannya. Namun masih banyak pelajar SMA yang belum mengetahui jurusan yang tepat untuk mereka. Salah satu faktor permasalahan ini adalah kurangnya pengetahuan pelajar tersebut terhadap minat dan kemampuannya. Faktor lainnya yang juga turut berperan di permasalahan ini adalah tuntutan orang tua terhadap anaknya untuk mendaftar di suatu jurusan tertentu, padahal belum tentu jurusan tersebut sesuai dengan minat dan kemampuannya. Ditinjau dari permasalahan tersebut, maka sistem klasifikasi jurusan ini dapat digunakan untuk membantu pelajar SMA di dalam memilih jurusan yang tepat berdasaran kemampuan akademiknya. Metode Naïve Bayes dapat digunakan untuk mengklasifikasi data nilai pelajar ke dalam kelas fakultas. Selanjutnya metode Analytical Hierarchy Process digunakan untuk membantu menentukan jurusan yang tepat berdasarkan jurusan di fakultas yang telah ditentukan oleh metode Naïve Bayes. Dengan menggunakan metode AHP-Naïve Bayes ini dapat dihasilkan akurasi sistem yang mencapai 95% dengan catatan akurasi ini sangat bergantung pada kualitas data.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2016/485/051608747
Subjects: 000 Computer science, information and general works > 005 Computer programming, programs, data
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Yusuf Dwi N.
Date Deposited: 05 Sep 2016 09:37
Last Modified: 21 Oct 2021 16:35
URI: http://repository.ub.ac.id/id/eprint/147052
[thumbnail of Davin_Ega_Prasetya_125150200111058_JURNAL.pdf]
Preview
Text
Davin_Ega_Prasetya_125150200111058_JURNAL.pdf

Download (2MB) | Preview
[thumbnail of Davin_Ega_Prasetya_125150200111058_SKRIPSI.pdf]
Preview
Text
Davin_Ega_Prasetya_125150200111058_SKRIPSI.pdf

Download (9MB) | Preview

Actions (login required)

View Item View Item