Klasifikasi Proses Penjurusan Siswa Tingkat SMA Menggunakan Data Mining

  • Fata Nidaul Khasanah

Abstract

Abstrak: Pengarahan jurusan sejak dini dapat memudahkan siswa memilih bidang ilmu yang akan ditekuninya di akademik atau universitas yang tentunya akan mengarah pula kepada karirnya kelak. Kurikulum yang digunakan saat ini penjurusan dilakukan di awal kelas X. Penjurusan siswa SMA merupakan upaya untuk mengarahkan siswa berdasarkan kemampuan akademik dan minat siswa. Proses penjurusan melibatkan beberapa attribute yang digunakan sebagai bahan pertimbangan dimana setiap satuan pendidikan dapat menambah attribute penjurusan sesuai dengan karakteristik dan kebutuhan setiap satuan pendidikan. Perkembangan teknologi saat ini, proses penjurusan siswa tingkat SMA dapat diatasi dengan teknik pengelompokan data didapat dari hasil data mining. Penelitian ini menggunakan metode klasifikasi untuk proses penentuan jurusan siswa tingkat SMA. Penelitian ini bertujuan untuk membandingkan hasil yang diperoleh dari empat algoritma, yaitu J48, Naïve Bayes, OneR dan ZeroR. Algoritma Niave Bayes merupakan algoritma yang mempunyai nilai akurasi tertinggi yaitu 96.74%, selanjutnya adalah algoritma J48 dengan 93.48%, algoritma OneR 90.22%, dan algoritma ZeroR merupakan algoritma yang mempunyai nilai akurasi terendah yaitu 59.78%.

Kata kunci: J48,Klasifikasi, Naïve Bayes, OneR, ZeroR

Abstract: Briefing the Department early on can ease the students choose the fields that will be practiced in the academic or University which certainly will lead to his career in the future. The curriculum used in addition currently done at the beginning of class x. Addition high school students is an attempt to direct the students based on academic ability and interest of students. The process of addition involves some attribute that is used as a material consideration where each unit of education can add attribute in addition according to the characteristics and needs of each educational unit. The current technological developments, HIGH SCHOOL level students in addition process can be overcome by the technique of grouping data obtained from the results of data mining. This research uses a method of classification for students majoring in the process of determining the level of the high school. This study aims to compare the results obtained from four different algorithms, namely the J48, Naïve Bayes, OneR and ZeroR. The algorithm is the algorithm of Bayes Niave had the highest accuracy value i.e. 96.74%, next is J48 algorithm with 93.48% 90.22% OneR, algorithm, and the algorithm is an algorithm which ZeroR has the lowest i.e. 59.78% accuracy.

Keywords: J48, Classification, Naïve Bayes, OneR, ZeroR

References

Referensi
Santosa B. 2007. Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta Graha Ilmu.
Departemen Pendidikan Nasional. 2006. Panduan Penyusunan Laporan Hasil Belajar Peserta Didik Sekolah Menengah Atas (SMA). Jakarta.
Departemen Pendidikan Nasional. 2004. Panduan Penilaian Penjurusan Kenaikan Kelas dan Pindah Sekolah. Jakarta.
Khasanah NF. 2015. Fuzzy MADM for Major Selection at High School. Proceedings of 2nd Int Conference on Information Technology, Computer and Electrical Engineering. 44 - 48.
Kerdegari H, Samsudin K, Ramli AR, and Mokaram S. 2012. Evaluation of fall detection classification approaches. ICIAS 2012 - 2012 4th Int. Conf. Intell. Adv. Syst. A Conf. World Eng. Sci. Technol. Congr. - Conf. Proc., vol. 1, pp. 131–136, 2012.
Witten IH and Frank E. 2005. Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Han J, Kamber M, and Pei J. 2011. Data mining: concepts and techniques: concepts and techniques. Elsevier.
Kusrini. Algoritma Data Mining, 2009th ed. Yogyakarta: Penerbit Andi.
Winanta SG, Yetli O. 2013. Implementasi Metode Bayesian Dalam Penjurusan Di Sma Bruderan Purworejo Studi Kasus: Sma Bruderan Purworejo.
Kristanto O. 2013. Penerapan Algoritma Klasifikasi Data Mining ID3 Untuk Menentukan Penjurusan Siswa SMAN 6 Semarang.
Published
2016-12-01
How to Cite
KHASANAH, Fata Nidaul. Klasifikasi Proses Penjurusan Siswa Tingkat SMA Menggunakan Data Mining. INFORMATICS FOR EDUCATORS AND PROFESSIONALS, [S.l.], v. 1, n. 1, p. 65 - 69, dec. 2016. ISSN 2548-3412. Available at: <http://ejournal-binainsani.ac.id/index.php/ITBI/article/view/148>. Date accessed: 17 sep. 2019.

Keywords

J48, Classification, Naïve Bayes, OneR, ZeroR