Penggunaan Teknik Unsupervised Discretization pada Metode Naive Bayes dalam Menentukan Jurusan Siswa Madrasah Aliyah
DOI:
https://doi.org/10.25126/jtiik.201853705Kata Kunci:
Naive Bayes, Unsupervised Discretization, Klasifikasi Jurusan SiswaAbstrak
Pemilihan jurusan bagi siswa merupakan langkah positif yang dilakukan untuk memfokuskan siswa sesuai dengan potensi yang dimiliki, hal ini dianggap penting karena dengan adanya jurusan, siswa diharapkan mampu mengembangkan kemampuan akademis sesuai bidang yang dikuasai. Pada penelitian sebelumnya, telah dilakukan pengujian dengan metode Naive Bayes yang bertujuan untuk mengkasifikasikan jurusan siswa bedasarkan kriteria yang menunjang dengan studi kasus pada siswa Madrasah Aliyah Swasta PAB 6 Helvetia, dan didapatkan hasil pengujian dari 100 data siswa dengan tingkat keakuratan 90%. pada penelitian ini, dilakukan optimalisasi metode yang digunakan sebelumnya dengan menerapkan teknik Unsupervised Discretization yang akan mentransformasikan kriteria numerik/kontinyu menjadi kriteria kategorikal dan mengeliminasi satu kriteria yang dianggap tidak mempengaruhi keakuratan hasil pengujian, dengan begitu keakurasian hasil klasifikasi dapat meningkat. Dari 120 data siswa yang diuji, terbukti bahwa hasil klasifikasi penerapan teknik unsupervised discretization pada metode naive bayes naik dari 90% menjadi 92.8%.
Abstract
Selection of majors for students is a positive step that is done to focus students in accordance with their potential, it is considered important because with the majors, students are expected to develop academic ability according to the controlled field. In previous research, Naive Bayes method has been tested to classify the students department based on the supportive criterias (case study on Madrasah Aliyah PAB 6 Helvetia), and the test result of 100 students data, the classification accuracy is about 90% . in this study, optimizaton is done with a method used earlier by applying Unsupervised Discretization techniques that would transform numerical / continuous criteria into categorical criteria and eliminating one criterion that is considered not affect the accuracy of test results. thus the accuracy of classification results could increase. 120 students data is tested, it is evident that the results of the classification of the application of unsupervised discretization techniques on the Naive Bayes method rose from 90% to 92.8%.
Downloads
Referensi
ANDERSON, M. P., & DUBNICKA, S. R,. 2014. A sequential naive Bayes classifier for DNA barcodes. Statistical applications in genetics and molecular biology, 13(4), 423-434.
JIANG, L., LI, C., WANG, S., & ZHANG, L,. 2016. Deep feature weighting for naive Bayes and its application to text classification. Engineering Applications of Artificial Intelligence, 52, 26-39.
JOIŢA, D,. 2010. Unsupervised static discretization methods in data mining. Titu Maiorescu University, Bucharest, Romania.
KAREEM, I. A., & DUAIMI, M. G,. 2014. Improved accuracy for decision tree algorithm based on unsupervised discretization. International Journal of Computer Science and Mobile Computing, 3(6), 176-183.
KOTSIANTIS, S,. 2014. Integrating Global and Local Application of Naive Bayes Classifier. Inter-national Arab Journal of Information Technology 11, 300–307.
MUHAMAD, H., PRASOJO, C. A., SUGIANTO, N. A., SURTININGSIH, L., & CHOLISSODIN, I,. 2017. Optimasi Naïve Bayes Classifier Dengan Menggunakan Particle Swarm Optimization Pada Data Iris. Jurnal Teknologi Informasi dan Ilmu Komputer, 4(3), 180-184.
PALANIAPPAN, S., & HONG, T. K,. 2008. Discretization of continuous valued dimensions in OLAP data cubes. International Journal of Computer Science and Network Security, 8(11), 116-126.
PRAWIRA, T. Y., HAKIM, D, K.. 2011. Sistem Pendukung Keputusan berbasis Web untuk Menentukan Penjurusan (IPA/IPS/Bahasa) pada SMA Islam Bumiayu, JUITA ISSN : 2086-9398 Vol. 1 Nomor 4, November 2011.
PUTRANTO, E. A., & SALAMAH, U,. 2016. Sistem Pendukung Keputusan Penjurusan Siswa Kelas X SMA Negeri 2 dengan Metode Fuzzy C-Means dengan Penggunaan Daya Dukung Minat. ITSMART: Jurnal Teknologi dan Informasi, 1(2), 68-73.
SALEH, A,. 2014. Klasifikasi Metode Naive Bayes Dalam Data Mining Untuk Menentukan Konsentrasi Siswa (Studi Kasus Di MAS PAB 2 Medan). Konferensi Nasional Pengembangan Teknologi Informasi dan Komunikasi (KeTIK).
WORANG, S. G., TOEERA, N. K., LAVINIA, S., & TANAAMAH, A. R. 2013. Penerapan Metode 360 Derajat dalam Sistem Pendukung Keputusan Penentuan Jurusan SMA Berbasis Web (Studi Kasus: SMA Negeri 1 Salatiga). In Seminar Nasional Aplikasi Teknologi Informasi (SNATI) (Vol. 1, No. 1).
ZHANG, Y., WANG, S., PHILLIPS, P., JI, G,.2014. Binary PSO with mutation operator for feature se-lection using decision tree applied to spam detection. Knowledge-Based Systems 64, 22–31.
ZHOU, X., WANG, S., XU, W., JI, G., PHILLIPS, P., SUN, P., & ZHANG, Y,. 2015. Detection of pathological brain in MRI scanning based on wavelet-entropy and naive Bayes classifier. In International Conference on Bioinformatics and Biomedical Engineering (pp. 201-209). Springer, Cham.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
