Melola Discovery

← Melola Discovery

Jurnal SINTA 2

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

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 3 No. 4 (2016) · pp. 273–278

DOI
10.25126/jtiik.201634227
ISSN
2528-6579, 2355-7699
Published
2016-12-26
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
en

Abstract

AbstrakPemilihan 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, hadoopAbstractSelection 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

Collaboration network of the authors

40 authors · 111 co-authorship links · 3 across different organisations · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • University of Brawijaya
  • Universitas Amikom Purwokerto
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Arief Andy SoebrotoUniversity of Brawijaya3
Daneswara JauhariUniversity of Brawijaya3
Dhimas Anjar PrabowoUniversity of Brawijaya3
Sutrisno .Affiliation unknown2
Nurul HidayatUniversity of Brawijaya2
Canny Amerilyse CaesarUniversity of Brawijaya2
Latifah HanumUniversity of Brawijaya2
Muhammad FhadliUniversity of Brawijaya2
Anang HanafiUniversity of Brawijaya2
Listiya SurtiningsihUniversity of Brawijaya2
Fitra Abdurrachman BachtiarUniversity of Brawijaya2
Ahmad Afif SupiantoUniversity of Brawijaya1
Randy Cahya WihandikaUniversity of Brawijaya1
Maria Tenika FrestantiyaUniversity of Brawijaya1
Ziya El AriefUniversity of Brawijaya1
Candra DewiUniversity of Brawijaya1
Rina ChristantiUniversity of Brawijaya1
Budi Darma SetiawanUniversity of Brawijaya1
Rekyan Regasari Mardi PutriUniversity of Brawijaya1
Lailil MuflikhahUniversity of Brawijaya1
Muhammad SyafiqUniversity of Brawijaya1
Achmad Jafar Al KadafiUniversity of Brawijaya1
Rizka Husnun ZakiyyahUniversity of Brawijaya1
Wanda Athira LuqyanaUniversity of Brawijaya1
Uswatun HasanahUniversitas Amikom Purwokerto1
Lintang Resita MayangsariUniversity of Brawijaya1
Andhica PratamaUniversity of Brawijaya1
Mochammad Ainun NajibUniversity of Brawijaya1
Handika Agus FauziUniversity of Brawijaya1
Sutrisno SutrisnoUniversity of Brawijaya1
Aryeswara SunaryoUniversity of Brawijaya1
Agnes Rossi Trisna LestariUniversity of Brawijaya1
Umi RofiqohUniversity of Brawijaya1
Siti RobbanaUniversity of Brawijaya1
Winda Estu NurjanahUniversity of Brawijaya1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Implementasi Metode Naïve Bayes Classifier Untuk Seleksi Asisten Praktikum Pada Simulasi Hadoop Multinode Cluster</dc:title>
	<dc:creator xml:lang="en">., Maryamah</dc:creator>
	<dc:creator xml:lang="en">Asikin, Moh. Fadel</dc:creator>
	<dc:creator xml:lang="en">Kurniawaty, Daisy</dc:creator>
	<dc:creator xml:lang="en">Sari, Selly Kurnia</dc:creator>
	<dc:creator xml:lang="en">Cholissodin, Imam</dc:creator>
	<dc:description xml:lang="id">AbstrakPemilihan 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, hadoopAbstractSelection 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</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2016-12-26</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/227</dc:identifier>
	<dc:identifier>10.25126/jtiik.201634227</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 3 No 4: Desember 2016; 273-278</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 3 No. 4: Desember 2016; 273-278</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.201634</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/227/pdf</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2017 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
</oai_dc:dc>