Melola Discovery

← Melola Discovery

Jurnal SINTA 2

Penggunaan Teknik Unsupervised Discretization pada Metode Naive Bayes dalam Menentukan Jurusan Siswa Madrasah Aliyah

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 5 No. 3 (2018) · hlm. 353–360

DOI
10.25126/jtiik.201853705
ISSN
2528-6579, 2355-7699
Terbit
2018-08-23
Penerbit
Fakultas Ilmu Komputer, Universitas Brawijaya
Bahasa
id

Abstrak

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%. AbstractSelection 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%.

Kata kunci

Jaringan kolaborasi para penulis

7 penulis · 10 tautan kepenulisan bersama · 1 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Politeknik Kampar
  • Universitas Ahmad Dahlan
  • Yogyakarta State University
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Andri Nofiar AmPoliteknik Kampar1
Antoni PribadiPoliteknik Kampar1
Rully Charitas Indra PrahmanaUniversitas Ahmad Dahlan1
Rahmi RamadhaniAfiliasi tidak diketahui1
SoehartoYogyakarta State University1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, pertama di-harvest 27 Okt 2026, terakhir terlihat 15 Nov 2026.
Metadata asli (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">Penggunaan Teknik Unsupervised Discretization pada Metode Naive Bayes dalam Menentukan Jurusan Siswa Madrasah Aliyah</dc:title>
	<dc:creator xml:lang="id">Saleh, Alfa</dc:creator>
	<dc:creator xml:lang="id">Nasari, Fina</dc:creator>
	<dc:subject xml:lang="id">Naive Bayes</dc:subject>
	<dc:subject xml:lang="id">Unsupervised Discretization</dc:subject>
	<dc:subject xml:lang="id">Klasifikasi Jurusan Siswa</dc:subject>
	<dc:description xml:lang="id">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%. AbstractSelection 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%.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2018-08-23</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="id">Analisis;Survey</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/705</dc:identifier>
	<dc:identifier>10.25126/jtiik.201853705</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 5 No 3: Juni 2018; 353-360</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 5 No. 3: Juni 2018; 353-360</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.201853</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/705/pdf</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2018 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
</oai_dc:dc>