Analisis Perbandingan Metode K Nearest Neighbor Dan Gaussian Naive Bayes Pada Klasifikasi Jurusan Siswa (Studi Kasus Pada Siswa Sma Muhammadiyah 3 Jember)

Cahyaningrum, Herdian (2021) Analisis Perbandingan Metode K Nearest Neighbor Dan Gaussian Naive Bayes Pada Klasifikasi Jurusan Siswa (Studi Kasus Pada Siswa Sma Muhammadiyah 3 Jember). Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

[img] Text
1. PENDAHULUAN.pdf

Download (4MB)
[img] Text
2. ABSTRAK.pdf

Download (1MB)
[img] Text
3. BAB I.pdf

Download (1MB)
[img] Text
4. BAB II.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy
[img] Text
5. BAB III.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy
[img] Text
6. BAB IV.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
7. BAB V.pdf
Restricted to Repository staff only

Download (879kB) | Request a copy
[img] Text
8. DAFTAR PUSTAKA.pdf

Download (979kB)
[img] Text
9. LAMPIRAN.pdf
Restricted to Repository staff only

Download (13MB) | Request a copy
[img] Text
10. JURNAL.pdf

Download (1MB)

Abstract

Penjurusan siswa merupakan tugas wajib bagi sekolah menengah atas khususnya SMA Muhammadiyah 3 Jember dalam menentukan minat tiap siswanya. Penelitian ini akan mengupas tentang klasifikasi penjurusan siswa menggunakan metode Gaussian Naive Bayes dan K Nearest Neighbor. Data dalam penelitian ini menggunakan data siswa SMA Muhammadiyah 3 Jember dengan jumlah total 343 siswa. Fitur yang digunakan dalam penjurusan siswa adalah rekapitulasi nilai ujian nasional bahasa Indonesia, nilai ujian nasional bahasa inggris, nilai ujian nasional IPA, nilai ujian nasional matematika, ulangan harian IPA, Matematika, IPS, Bahasa Indonesia, Bahasa inggris, nilai tes verbal linguistik, logis matematis, spasial, kinestik, musikal, interpersonal, intrapersonal dan natural. Terdapat 23 data yang tidak memiliki output dalam data ini sehingga total data yang dihitung berjumlah 320 data. Dalam preprocessing data digunakan metode Median Subtitution untuk mengatasi permasalahan Missing Value dan metode Min-Max Normalization untuk menormalisasi data. Untuk mengatasi ketidakseimbangan data pada penelitian ini menggunakan metode SMOTE (Synthetic Minority Oversampling Technique). Dari data sintetis hasil SMOTE diperoleh data total 381 data. Skenario uji dalam penelitian ini menggunakan metode K fold Cross Validation dengan nilai k fold = 2, 4, 5, 8 dan 10. Dalam pengukuran jarak, vektor yang digunakan dalam implementasi K Nearest Neighbor menggunakan Euclidean Distance. Hasil akurasi tertinggi metode Gaussian Naive Bayes adalah 83,33% sedangkan akurasi tertinggi yang diperoleh metode K Nearest Neighbor adalah 83,61% dengan nilai k neighbor = 7. Dalam penelitian ini metode K Nearest Neighbor lebih baik dalam melakukan klasifikasi penjurusan pada data siswa SMA Muhammadiyah 3 Jember.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Klasifikasi, Gaussian Naive Bayes, K-NN, Penjurusan siswa, SMOTE, Cross Fold Validation
Subjects: 000 Computer Science, Information, & General Works
000 Computer Science, Information, & General Works > 005 Computer Programming, Programs, & Data
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User: Herdian Cahyaningrum
Date Deposited: 08 Feb 2022 02:25
Last Modified: 08 Feb 2022 02:25
URI: http://repository.unmuhjember.ac.id/id/eprint/12793

Actions (login required)

View Item View Item