Penerapan Metode Naïve bayes dalam Memprediksi Prestasi Siswa

Riani Maila Apsari

doi:10.55382/jurnalpustakaai.v3i3.760

Penulis

Riani Maila Apsari Institut Teknologi Pagar Alam

DOI:

https://doi.org/10.55382/jurnalpustakaai.v3i3.760

Kata Kunci:

Cross-Validation, Prediksi, , Naive bayes

Abstrak

Penelitian ini bertujuan untuk menerapkan metode algortima naïve bayes dalam memprediksi siswa berprestasi pada SMA Negeri 3 Pagar Alam. berdasarkan hasil observasi menentukan siswa berprestasi pada SMA Negeri 3 Pagar Alam masih dilakukan dengan cara melihat poin penilian satu persatu nilai siswa untuk menentukan siswa mana yang memiliki nilai dengan rata-rata tertinggi untuk mendapatkan predikat siswa berprestasi. Oleh sebab itu, banyak siswa-siswi yang memiliki prestasi yang berbeda-beda di SMA Negeri 3 Kota Pagar Alam terdapat siswa-siswi yang memiliki prestasi tinggi atau berprestasi dan kurang berprestasi sehingga pihak sekolah harus melakukan antisipasi dalam memperkbaiki mutu pendidikan dalam menangani siswa-siswi yang kurang berprestasi untuk menghasilkan generasi yang baik dan berpotensi. Metode pengembangan sistem yang digunakan dalam penelitian ini adalah metode CRIPS-DM dengan tahapan yaitu: Pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi dan penyebaran. Metode yang digunakan yaitu Metode Naïve bayes dengan pengujian mengguakan Cross validation. Hasil dari pengujian tersebut didapatkan
Class recall siswa dengan nilai Performance siswa kelas berprestasi 100 % class predcison 55.56% untun siswa cukup berprestasi 95.40% dengan class predcison 97.65% dan yang kurang berprestasi class recall 89.47% class precision 100.00% pada hasil Performance hasil tingkat akurasi 94.55% pada class Predicsion.hasil dengan Penerapan Metode algoritma Naive Bayes dalam memprediksi siswa berprestasi pada SMA Negeri 3

Biografi Penulis

Riani Maila Apsari, Institut Teknologi Pagar Alam

Referensi

Almufqi, F. M., Voutama, A., Informasi, S., Komputer, I., Karawang, U. S., & Perbandingan Metode Data Mining Untuk Memprediksi Presatasi. 15(1), 61–66. https://doi.org/10.30736/jt.v15i1.929

Daulay, P. I., Islam, U., Sumatera, N., Islam, U., & Sumatera, N. (2023). Penerapan Algoritma Pemrograman dalam Pembelajaran Ilmu Komputer Pinkan Indriani Daulay Yahfizham. 1(6).

Fauzia, N. S., & Dana, R. D. (2023). Implementasi Algoritma Naive bayes dalam Klasifikasi Status Kesejahteraan Masyarakat Desa Gunungsari.

Hasanah, M. A., Soim, S., & Handayani, A. S. (2021). Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir. 5(2).

Hasudungan, R., & Pranoto, W. J. (2021). Implementasi Teorema Naïve Bayes Pada Prediksi Prestasi Mahasiswa. 5(1), 10–16.

Informatika, J. T., Dan, P. A. K., Persero, P. T. P., Mega, J., Barat, K., Kawasan, L., & Kuningan, M. (2021). Berdasarkan Tingkat Kepentingan Pada Prodi / Jurusan D4 Teknik .

Iyah, S., Metode, M., & Series, T. (n.d.). Prediksi Penerimaan Siswa Baru Pada MADRASAH ALIYAH AS-.

Kadek, N., Patrianingsih, W., & Sugianta, I. K. A. (2023). Penerapan Naïve Bayes pada Potensi Akademik Siswa SD Negeri 5 Singakerta. 8(2), 154–163.

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

Mardiana, L., Kusnandar, D., & Satyahadewi, N. (2022). Analisis Diskriminan Dengan K Fold Cross Validation Unruk Klasifikasi Kualitas Air DI KOTA PONTIANAK. 11(1), 97–102.

Mesin, J. T., Dan, E., Jtmei, I., & Afiyudin, A. (2024). Analisis Peramalan Kebutuhan Komponen Minifix Bolt Dia di PT XYZ Menggunakan Metode Time Series. 3(1).

Navisa, S., Hakim, L., & Nabilah, A. (2021). Komparasi Algoritma Klasifikasi Genre Musik pada Spotify Menggunakan CRISP-DM. Jurnal Sistem Cerdas, 4(2), 114–125.

Perbandingan Data Untuk Klasifikasi Wine Menggunakan Agoritma K-NN. (2019). 4(1), 78–82.

Prima, J., Sistem, J., Komputer, I., & No, V. (2021). Penerapan Metode Naïve Bayes Dalam Memprediksi Prestasi Siswa Di SMA Negeri 1 Panombeian Panei. 4(2).

Rafi Nahjan, M., Nono Heryana, & Apriade Voutama. (2023). Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 101–104. https://doi.org/10.36040/jati.v7i1.6094

Rifai, M. F., Jatnika, H., & Valentino, B. (2019). Penerapan Algoritma Naïve Bayes Pada Sistem Prediksi Tingkat Kelulusan Peserta Sertifikasi Microsoft Office Specialist ( MOS ). 12(2), 131–144.

Rosaly, R. (n.d.). Pengertian Flowchart Beserta Fungsi dan Simbol-simbol Flowchart yang Paling Umum Digunakan.

Teknorama, J., El, T., & Rahma, S. El. (2023). Prediksi Lanjut Studi Mahasiswa Menggunakan Algoritma Naïve Bayes. 1(1), 30–34.

Utama, T. P., & Haibuan, M. S. (2023). Penerapan Algoritma Naïve Bayes Dan Forward Selection Prediksi Penyakit Stroke. 17, 3o51–357.

Watratan, A. F., B, A. P., Moeis, D., Informasi, S., & Makassar, S. P. (2020). JOURNAL OF APPLIED COMPUTER SCIENCE AND TECHNOLOGY ( JACOST ) Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia. 1(1), 7–14.

Wiguna, S., Islam, P. A., Artikel, I., App, M., & Ability, W. (2022). Implementasi Penggunaan Aplikasi Mendeley dalam Membangun Kemampuan Menulis Karya Tulis Ilmiah pada Mahasiswa STAI Jam ’ iyah Mahmudiyah Tanjung Pura Langkat. 1(3). https://doi.org/10.54259/diajar.v1i3.965