Implementasi Metode Naïve Bayes Classifier Untuk Seleksi Asisten Praktikum Pada Simulasi Hadoop Multinode Cluster

Penulis

Maryamah ., Moh. Fadel Asikin, Daisy Kurniawaty, Selly Kurnia Sari, Imam Cholissodin

Abstrak

Abstrak

Pemilihan asisten pada praktikum dialami oleh berbagai universitas di Indonesia salah satunya di Fakultas Ilmu Komputer (FILKOM) Universitas Brawijaya (UB). Dalam pemilihan asisten praktikum ada beberapa proses yang harus dilalui. Proses pemilihan yang ada di FILKOM masih dalam bentuk manual. Adapun proses yang dijalani dalam pemilihan asisten praktikum diantaranya adalah tes administrasi, tes live coding, dan tes mengajar. Dalam penentuan penerimaan asisten praktikum tersebut berdasarkan hasil tes yang telah dilakukan. Kendala yang dihadapi adalah kemiripan hasil tes pada ketentuan tertentu yang menyebabkan kerancuan proses pemilihan asisten praktikum. Dari permasalahan tersebut penulis melihat suatu peluang untuk membuat sistem yang mampu menyeleksi dengan cara melakukan hasil klasifikasi tertinggi terhadap hasil tes yang dilakukan oleh calon asisten praktikum. Penelitian ini menggunakan Hadoop dengan menerapkan metode Naïve Bayes yang diangap mampu menghasilkan klasifikasi yang akurat, sehingga dapat mempermudah seorang dosen dalam memilih asisten praktikum dengan kualitas yang baik.

Kata kunci: big data, klasifikasi, naïve bayes, hadoop


Abstract

Selection of the lab assistants experienced by various universities in Indonesia one of them in the Faculty of Computer Science (FILKOM) University of Brawijaya (UB). In the selection of lab assistant, there is some process to be followed. The election process is in FILKOM still in manual form. The process according to which the election is a test lab assistant include administration, test live coding, and test of teaching. In determining the lab assistant acceptance is based on the tests that have been carried out. Obstacles encountered is the similarity test results on the specific provisions that caused confusion electoral process lab assistant. Of these issues, the authors saw an opportunity to create a system that is able to select a way to the highest classification results against the results of tests conducted by the lab assistant candidates. This study uses Hadoop with Naïve Bayes applying methods as may be capable of producing an accurate classification, so as to facilitate a lecturer in choosing a lab assistant with good quality.

Keywords: big data, classification, naïve bayes, hadoop

Teks Lengkap:

PDF (English)

Referensi


(2013, Oktober). Diambil kembali dari Apache TM Hadoop @ homepage: http://hadoop.apache.org/.

BUSTAMI. 2013. Penerapan Algoritma Naive Bayes untuk Mengklasifikasi Data Nasabah Asuransi.

HAN, J. K. 2006. Concept and Techniques . Morgan Kaufmann.

INDUSTRI, M. 2013. Definisi cloud Computing. Diambil kembali dari Cloud Computing: Meruvian.org

IREM, D. 2016. Classifying Multi-Destination Trips in Austria with Big Data. Elsevier, 2211-9736.

KALAMSYAH, S. A. 2014. Aplikasi Pendukung Keputusan Seleksi Asisten Praktikum dan Lab Menggunakan Metode Analytical Hierarchi Process (Studi Kasus: Lab Informatika Universitas Telkom).

KUSUMADEWI, S. 2009. Klasifikasi Status Gizi Menggunakan Naive Bayesian Classification.

LUKITO, Y., & CHRISMANTO, A. R. 2015. Perbandingan Metode-Metode Klasifikasi Untuk Indoor Positioning System. Jurnal Teknik Informatika dan Sistem Informasi, 2.

SHOLIHAH, A. 2013. Sistem Penentuan Uang Kuliah Tunggal (UKT) Menggunakan Metode Naive Bayes Classifier.

SOEMARSO. 2003. Akuntansi Suatu Pengantar. Jakarta: Salemba Empat.




DOI: http://dx.doi.org/10.25126/jtiik.201634227