Gunawan, Ricky (2019) Klasifikasi Hasil Belajar Peserta Didik Pada Jurusan Teknik Komputer Dan Jaringan (Tkj) Di Smk Negeri 3 Malang Menggunakan Algoritme Naïve Bayes. Sarjana thesis, Universitas Brawijaya.
Abstract
Penelitian ini berdasarkan hasil observasi dan wawancara dengan guru, keterbatasan guru dalam melihat dan menganalisis faktor yang dapat mempengaruhi hasil belajar peserta didik dan tingkat keberhasilan peserta didik. Maka berdasarkan kondisi tersebut penelitian ini bertujuan untuk menerapkan algoritme Naïve Bayes untuk melakukan klasifikasi hasil belajar siswa di Jurusan Teknik Komputer Dan Jaringan (TKJ) Di SMK Negeri 3 Malang dan Untuk mengetahui tingkat akurasi dari algoritme Naïve Bayes dalam proses klasifikasi hasil belajar siswa di Jurusan Teknik Komputer Dan Jaringan (TKJ) Di SMK Negeri 3 Malang. Penelitian yang dikembangkan klasifikasi hasil belajar siswa di Jurusan Teknik Komputer Dan Jaringan (TKJ) Di SMK Negeri 3 Malang yang dikelaskan menjadi 3 kategori yaitu Sangat Baik , Baik, dan Cukup. Data siswa yang digunakan dalam penelitian ini diambil dari data siswa SMK Negeri 3 Malang. Data yang didapatkan berjumlah 63 data siswa Atribut dipakai pada penelitian ini berjumlah 10 dan 1 atribut untuk keluaran dari klasifikasi.Hasil pengujian akurasi dari pengujian data training menggunakan klasifikasi Naïve Bayes dengan perbedaan pada data training menunjukan hasil akurasi yang tetap yakni 70%. Pada pengujian dengan perbedaan pada data testing menunjukan akurasi dengan angka 80% dan 70 % dengan rata-rata akurasi 75%. Pada sistem yang juga diterapkan klasifikasi Naïve Bayes mendapat akurasi 90% dikarenakan menggunakan seluruh dataset untuk data training.
English Abstract
This research is based on the results of observations and interviews with teachers, the limitations of the teacher in recognizing and analyzing factors that can influence student achievement and student achievement. Based on these conditions, this study aims to use the Naïve Bayes algorithm to classify the performance of students from the Department of Computer and Network Engineering at Vocational High School 3 Malang, and to assess the accuracy of Naïve Bayes algorithm at the Classification of student performance in the Department of Computer and Network Engineering at SMK Negeri 3 Malang. Research developed based on preliminary research is the classification of performance of students from the Department of Computer and Network Engineering at the vocational school 3 Malang, which is divided into three categories, Very Good, Good and Enough. The student data used in this study are from SMK Negeri 3 Malang students. The data obtained was 63 student attributes used in this study and 10 and 1 attribute for output from the classification. The results of the accuracy test of the training data test using the Naïve Bayes classification with differences in the training data showed the results of a fixed accuracy of 70%. For tests with differences in test data, an accuracy of 80% and 70% is displayed with an average accuracy of 75%. On a system that is also applied, the naive bayes classification gets 90% accuracy because all records are used for the training data.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/507/051905890 |
| Uncontrolled Keywords: | data mining, Naïve Bayes, klasifikasi , prediksi, sekolah menengah kejuruan, Teknik komputer dan jaringan, data mining, Naïve Bayes, classification, prediction, vocational school, computer and network engineering, accuracy |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi |
| Depositing User: | Nur Cholis |
| Date Deposited: | 30 Jul 2020 06:01 |
| Last Modified: | 25 Oct 2021 03:33 |
| URI: | http://repository.ub.ac.id/id/eprint/171769 |
Preview |
Text
KLASIFIKASI HASIL BELAJAR SISWA PADA JURUSAN TEKNIK KOMPUTER DAN JARINGAN (TKJ) DI SMKN 3 MALANG MENGGUNAKAN ALGORITME NAÏVE BAYES (2).pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |