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

---

Ketersediaan

SS00009387

SK 9387

UPT Perpustakaan UNJ (CD.05.2016.003)

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

SK 9387

Penerbit

Jakarta : Program Studi Pendidikan Teknik Informatika dan Komputer Jurusan Elektro FT UNJ., 2016

Deskripsi Fisik

xi, 63 lembar : il ; 30 cm.

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Beasiswa
Data Mining
Akurasi

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Fakhriyani

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus login sebelum memberikan komentar