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.

	Text 1. PENDAHULUAN.pdf Download (4MB)
	Text 2. ABSTRAK.pdf Download (1MB)
	Text 3. BAB I.pdf Download (1MB)
	Text 4. BAB II.pdf Restricted to Repository staff only Download (2MB) \| Request a copy
	Text 5. BAB III.pdf Restricted to Repository staff only Download (2MB) \| Request a copy
	Text 6. BAB IV.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text 7. BAB V.pdf Restricted to Repository staff only Download (879kB) \| Request a copy
	Text 8. DAFTAR PUSTAKA.pdf Download (979kB)
	Text 9. LAMPIRAN.pdf Restricted to Repository staff only Download (13MB) \| Request a copy
	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)

Department:

S1 Teknik Informatika

Depositing User:

Herdian Cahyaningrum