PENERAPAN NAÏVE BAYES CLASSIFIER UNTUK PEMILIHAN KONSENTRASI MATA KULIAH

Annisa Paramitha Fadillah, Bella Hardiyana

Abstract


UNIKOM merupakan perguruan tinggi yang berkembang pesat di Indonesia, yang memanfaatkan perkembangan teknologi berupa layanan sistem informasi. UNIKOM menggunakan sistem informasi untuk membantu berjalannya proses akademik, terutama dalam pengolahan data yang berkaitan dengan kegiatan perkuliahan. Sistem informasi merupakan salah satu program studi yang cukup besar yang ada di UNIKOM. Sebagai program studi yang cukup besar, program studi sistem informasi memiliki mahasiswa   cukup banyak untuk setiap angkatan. Pada prodi sistem informasi mahasiswa semester 6 wajib melakukan pemilihan konsentrasi matakuliah, akan tetapi mahasiswa merasa cukup kesulitan dalam melakukan pemilihan konsentrasi mata kuliah, bahkan dosen wali kesulitan dalam memberikan rekomendasi pilihan konsentrasi mata kuliah kepada mahasiswanya. Oleh karena itu, akan dilakukan penelitian mengenai pemilihan konsentrasi matakuliah, dengan menggunakan naïve bayes. Dengan menggunakan naïve bayes diharapkan   dapat memberikan rekomnedasi pemilihan konsentrasi mata kuliah baik untuk mahasiswa maupun dosen wali.   Penggunaan naïve bayes classifier, dikarenakan naïve bayes classifier merupakan metode yang mudah dipahami dan cukup sederhana.

Full Text:

PDF

References


A. Kadir, Pengenalan Sistem Informasi Edisi Revisi, Yogyakarta: Penerbit Andi, 2014.

A. P. Fadillah and B. Hardiyana, “Classification of Subject Concentration using Algorithm C4.5,” in INCITEST- IOP conference series : Science & Engineering, Bandung, 2018.

Y. S. Nugroho, “DATA MINING MENGGUNAKAN ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI KELULUSAN MAHASISWA UNIVERSITAS DIAN NUSWANTORO,” 2014.

I. C. Gumilang, D. S. M. and A. R. S. , “PREDIKSI PERSEDIAAN OBAT DENGAN METODE NAÏVE BAYES (STUDI KASUS : APOTEK SAPUTRA),” PROGRAM STUDI TEKNIK INFORMATIKA, FAKULTAS KOMUNIKASI DAN INFORMATIKA UNIVERSITAS MUHAMMADIYAH SURAKARTA, Surakarta, 2014.

S. L. B. Ginting and R. P. Trinanda, “TEKNIK DATA MINING MENGGUNAKAN METODE BAYES CLASSIFIER UNTUK OPTIMALISASI PENCARIAN PADA APLIKASI PERPUSTAKAAN (STUDI KASUS : PERPUSTAKAAN UNIVERSITAS PASUNDAN – BANDUNG),” JATI : Jurnal Teknologi dan Informasi UNIKOM, vol. Volume 1 No 6, 2014.

Kusrini, Algoritma Data Mining, Yogyakarta: Penerbit Andi, 2009.

E. Prasetyo, Data Mining konsep dan Aplikasi menggunakan MATLAB, Yogyakarta: Penerbit Andi, 2012.

Budiman, Irawan; Prahasto, Toni; Christyono, Yuli;, “Data Clustering menggunakan metodologi CRISP –DM untuk pengenalan pola proporsi pelaksanaan Tridharma,” Jurnal Sistem Informasi Bisnis, vol. Volume 1 Nomor 3, pp. 129-134, 2011.

A. Prajitno, “Prediksi Kinerja Penjualan Karya Musik Menggunakan Framework CRISP-DM (studi kasus: X Music Indonesia),” 2012.

Suyanto, Buku Data Mining untuk Klasifikasi dan Klasterisasi Data, Bandung: Penerbit Informatika, 2017.

Kamagi, David Hartanto; Hansun, Seng;, “library.umn.ac.id,” 2014. [Online]. Available: http://library.umn.ac.id/jurnal/public/uploads/papers/pdf/be20fbb34fbc7c5d2fe06044edf6d37e.pdf. [Accessed Mei 2015].

K. Ahmed and T. Jesmin, “Comparative Analysis of Data Mining Classification Algorithms in Type-2 Diabetes Prediction Data Using WEKA Approach,” International Journal of Science and Engineering (IJSE), vol. Vol. 7 (2), pp. 155-160, 2014.

E. d. Turban, Decicion Support Systems and Intelligent Systems, Andi Offset, 2005.

A. P. Fadillah, “Penerapan Metode CRISP-DM untuk Prediksi Kelulusan Studi Mahasiswa Menempuh Mata Kuliah (Studi Kasus Universitas XYZ),” JUTISI, vol. VOL. 1, pp. 260-270, 3 Desember 2015.


Refbacks

  • There are currently no refbacks.