Text
Perbandingan algoritma naive bayes dan support vector machine dalam seleksi kelulusan pemberkasan beasiswa BPP-PPA Fakultas Teknik Universitas Negeri Jakarta
PERBANDINGAN ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR
MACHINE DALAM SELEKSI KELULUSAN PEMBERKASAN
BEASISWA BPP-PPA FAKULTAS TEKNIK UNIVERSITAS NEGERI
JAKARTA
FAKHRIYANI
ABSTRAK
Beasiswa merupakan salah satu program untuk membantu meringankan
mahasiswa dalam membayar uang kuliah, namun sering terjadi kesalahan dalam
pemberian beasiswa tersebut karena masih dilakukan secara manual dan tidak
adanya kriteria yang jelas bagaimana seorang mahasiswa dapat memperoleh
beasiswa. Untuk mengantisipasi agar tidak terjadinya kesalahan dalam pemberian
beasiswa maka dibutuhkan sebuah Sistem Pendukung Keputusan, namun sebelum
dilakukan pembuatan sistem tersebut dirasa perlu untuk mengetahui algoritma
terbaik untuk menyeleksi berkas beasiswa tersebut. Penelitian ini menggunakan
dua algoritma Data Mining yaitu algoritma Naïve Bayes dan Support Vector
Machine. Naïve Bayes merupakan metode pengklasifikasian yang dapat
digunakan untuk memprediksi probabilitas keanggotaan suatu class berdasarkan
pengalaman di masa sebelumnya dengan kondisi antar atribut saling bebas.
Support Vector Machine adalah sebuah metode prediksi dalam klasifikasi yang
dapat dilakukan pada kasus yang secara linear dapat dipisahkan, maupun
nonlinear dengan menggunakan konsep kernel pada ruang kerja berdimensi
tinggi. Data mahasiswa yang lulus dan tidak lulus seleksi berkas beasiswa BPPPPA
akan diolah menggunakan algoritma Naïve Bayes dan Support Vector
Machine. Setelah diklasifikasi kedua algoritma tersebut akan dihitung hasil
akurasinya menggunakan K-fold Cross Validation. Berdasarkan hasil contoh
kasus seleksi menunjukan bahwa hasil perhitungan akurasi algoritma Naïve Bayes
adalah 0.7542, sedangkan hasil akurasi algoritma Support Vector Machine adalah
0.99. Kedua sistem telah mampu menangani proses penyeleksian kelulusan
pemberkasan beasiswa BPP-PPA Fakultas Teknik Universitas Negeri Jakarta.
Algoritma Support Vector Machine menghasilkan rata-rata akurasi 0.99 yang
mendekati 1, maka algoritma tersebut dinilai lebih akurat dan direkomendasikan
untuk penelitian selanjutnya.
Kata Kunci : Data Mining, Beasiswa, Akurasi, Naïve Bayes, Support Vector
Machine.
Bibliografi: lembar 51-52
SS00009387 | SK 9387 | UPT Perpustakaan UNJ (CD.05.2016.003) | Tersedia |
Tidak tersedia versi lain