Klasifikasi Akreditasi Sekolah Di Kota Jambi Menggunakan Metode Naïve Bayes Di Bpmp Jambi
DOI:
https://doi.org/10.33998/jakakom.2024.4.1.1655Kata Kunci:
Data Mining, Klasifikasi, Akreditasi, , Algoritma Naïve Bayes, WEKAAbstrak
Akreditasi adalah pemberian predikat kepada sebuah sekolah dengan tujuan untuk meningkatkan dan juga memperoleh gambaran pengembangan, peningkatan mutu serta menentuka suatu sekolah sebagai penyelenggara Pendidikan. Akreditasi sekolah merupakan salah satu factor yang penting dalam peningkatan mutu Pendidikan. Penilaian yang dilakukan juga diselenggarakan secara sistematis dan juga komprehensif dengan melewati evaluasi oleh Lembaga yang berwenang .Sekolah akan mendapatkan predikat akreditasi jika telah memenuhi standar-standar yang telah ditentukan.Klasfikasi merupakan salah satu teknik data mining yang bisa digunakan dalam proses klasifikasi akreditasi sekolah. Pengujian dilakukan dengan dilakukan dengan 2 options test yaitu Use Training Set dan 10 Fold Validation. Pengujian data dengan persentase terbaik yaitu 99% dengan menggunakan Use Training Set. Maka dari itu algoritma Naïve Bayes merupakan salah satu algoritma yang cukup efektif dan baik dalam perhitungan maupun hsil akhir.
Unduhan
Referensi
M. S. Mustafa, M. R. Ramadhan, and A. P. Thenata, “Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,” Creat. Inf. Technol. J., vol. 4, no. 2, p. 151, 2018, doi: 10.24076/citec.2017v4i2.106.
P. N. Indriyawati, “Pengaruh Akreditas Sekolah Terhadap Kualitas Lulusan Sma Se Kota Jambi Tahun 2017,” … Akreditas Sekol. Terhadap Kualitas …, pp. 1–9, 2017, [Online]. Available: https://repository.unja.ac.id/5217/%0Ahttps://repository.unja.ac.id/5217/1/ARTIKEL.pdf
H. F. Putro, R. T. Vulandari, and W. L. Y. Saptomo, “Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan,” J. Teknol. Inf. dan Komun., vol. 8, no. 2, 2020, doi: 10.30646/tikomsin.v8i2.500.
A. A. R. Awaludin, “Akreditasi Sekolah sebagai Suatu Upaya Penjaminan Mutu Pendidikan di Indonesia,” SAP (Susunan Artik. Pendidikan), vol. 2, no. 1, pp. 12–21, 2017, doi: 10.30998/sap.v2i1.1156.
A. Ridwan, “Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus,” J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 4, no. 1, pp. 15–21, 2020, doi: 10.47970/siskom-kb.v4i1.169.
Darma Juang, “Analisis Spam Dengan Menggunakan Naïve Bayes,” J. Teknovasi, vol. 03, no. 1998, pp. 51–57, 2016, [Online]. Available: http://www.ejurnal.plm.ac.id/index.php/Teknovasi/article/view/69%0Ahttps://www.ejurnal.plm.ac.id/index.php/Teknovasi/article/download/69/58
G. A. Rosso, “Milton,” William Blake Context, no. September, pp. 184–191, 2019, doi: 10.1017/9781316534946.021.
D. F. Tambunan, “Bayes Classification of High School Accreditation in Sumatera Island Using Naïve Bayes Method Faculty of Science and Technology,” p. 91, 2020.
P. A. Octaviani, Yuciana Wilandari, and D. Ispriyanti, “Penerapan Metode Klasifikasi Support Vector Machine (SVM) pada Data Akreditasi Sekolah Dasar (SD) di Kabupaten Magelang,” J. Gaussian, vol. 3, no. 8, pp. 811–820, 2014, [Online]. Available: http://download.portalgaruda.org/article.php?article=286497&val=4706&title=PENERAPAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) PADA DATA AKREDITASI SEKOLAH DASAR (SD) DI KABUPATEN MAGELANG
A. Kadham, “Sistem Pendukung Keputusan Penetapan Peserta Sertifikasi Guru Menggunakan Naive Bayes,” Tek. Inform., p. 95, 2013, [Online]. Available: file:///C:/Users/Icha_Tahir/Documents/SEMESTER 6/PROPOSAL/icha/07650074.pdf
N. Alfiah, “Klasifikasi Penerima Bantuan Sosial Program Keluarga Harapan Menggunakan Metode Naive Bayes,” Respati, vol. 16, no. 1, p. 32, 2021, doi: 10.35842/jtir.v16i1.386.
F. Septianingrum and A. S. Y. Irawan, “Metode Seleksi Fitur Untuk Klasifikasi Sentimen Menggunakan Algoritma Naive Bayes: Sebuah Literature Review,” J. Media Inform. Budidarma, vol. 5, no. 3, p. 799, 2021, doi: 10.30865/mib.v5i3.2983.
I. Budiman, Muliadi, and R. Ramadina, “Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi,” J. Jupiter, vol. 7, no. 1, pp. 39–50, 2015.
J. Eska, “Penerapan Data Mining Untuk Prekdiksi Penjualan Wallpaper Menggunakan Algoritma C4.5 STMIK Royal Ksiaran,” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 2, pp. 9–13, 2016.
R. Retnosari, “Analisa Kelayakan Kredit Usaha Mikro Berjalan pada Perbankan dengan Metode Naive Bayes,” PROSISKO J. Pengemb. Ris. dan Obs. Sist. Komput., vol. 8, no. 1, pp. 53–59, 2021, [Online]. Available: https://e-jurnal.lppmunsera.org/index.php/PROSISKO/article/view/2848
D. P. Utomo and M. Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” J. Media Inform. Budidarma, vol. 4, no. 2, p. 437, 2020, doi: 10.30865/mib.v4i2.2080.
S. Adinugroho and Y. A. Sari, Implementasi Data Mining Menggunakan WEKA. 2018.
