KLASIFIKASI MUTASI DATA SISWA DI SUKU DINAS PENDIDIKAN MENGGUNAKAN METODE NAÏVE BAYES DAN SVM

FAHRUZI, MUHAMMAD REZA (2022) KLASIFIKASI MUTASI DATA SISWA DI SUKU DINAS PENDIDIKAN MENGGUNAKAN METODE NAÏVE BAYES DAN SVM. S1 thesis, Universitas Mercu Buana Jakarta.

[img]
Preview
Text (HAL COVER)
1. Hal Cover.pdf

Download (582kB) | Preview
[img]
Preview
Text (ABSTRAK)
2. Abstrak.pdf

Download (24kB) | Preview
[img] Text (BAB I)
3. BAB I.pdf
Restricted to Registered users only

Download (39kB)
[img] Text (BAB II)
4. BAB II.pdf
Restricted to Registered users only

Download (260kB)
[img] Text (BAB III)
5. BAB III.pdf
Restricted to Registered users only

Download (103kB)
[img] Text (BAB IV)
6. BAB IV.pdf
Restricted to Registered users only

Download (660kB)
[img] Text (BAB V)
7. BAB V.pdf
Restricted to Registered users only

Download (16kB)
[img] Text (DAFTAR PUSTAKA)
8. Daftar Pustaka.pdf
Restricted to Registered users only

Download (209kB)
[img] Text (LAMPIRAN)
9. Lampiran.pdf
Restricted to Registered users only

Download (1MB)

Abstract

The South Jakarta City Education Office region 1 is a government agency whose services do not yet use computer technology, especially in processing student transfer data, so it will take quite a long time. Mutation of Student Data is the process of transferring data or validating the transfer of a student from region A to Region B, so that it is necessary to submit the transfer to the authorized agency. The type of research used is quantitative research in nature where research is based on the amount of data and will be examined in a structured and systematic. This research will also use a mathematical method so that it is quantitative. collected existing secondary data in the South Jakarta Education Sub-agency Region 1 which presented 4,396 data. Based on this research it is known that the performance of the Naive Bayes and SVM algorithms is not good enough because the final performance provided by the two algorithms in classifying the type of para mutation school students are not very precise and accurate so the accuracy obtained is not high enough. There are several reasons why the accuracy value in this experiment is not good enough, I assume it is because of the dependent variable/variable y. Keywords: Classification, Naïve Bayes, SVM, Machine Learning, Student Mutations Dinas Pendidikan Kota Jakarta Selatan wilayah 1 merupakan instansi pemerintah yang sebagian pelayanannya belum menggunakan teknologi komputer terutama dalam pengolahan data mutasi siswa maka itu akan memakan waktu yang agak lama. Mutasi Data Siswa merupakan proses pemindahan data atau validasi pindahnya seorang siswa dari wilayah A ke Wilayah B , sehingga diperlukan pengajuan perpindahannya tersebut ke instansi yang berwenang, Jenis penelitian yang digunakan adalah bersifat penelitian kuantitatif di mana penelitian didasarkan dari jumlah data dan akan diteliti secara terstruktur dan sistematis. Penelitian ini juga akan menggunakan metode matematis sehingga bersifat kuantitatif. mengumpulkan data sekunder yang sudah ada di ada di Sudin pendidikan Jakarta Selatan Wilayah 1 yang menyajikan data sebanyak 4.396 data.Berdasarkan penelitian ini diketahui bahwa performa dari algoritma Naive Bayes dan SVM tidak cukup bagus karena performa akhir yang diberikan oleh kedua algoritma dalam mengklasifikasikan jenis mutasi para murid sekolah tidak begitu tepat dan akurat sehingga akurasi yang didapatkan tidak cukup tinggi. Ada beberapa penyebab nilai akurasi pada eksperimen kali ini tidak cukup bagus ,asumsi saya karena variabel dependen/variabel y. Kata Kunci: Klasifikasi, Naïve Bayes, SVM, Machine Learning, Mutasi Siswa

Item Type: Thesis (S1)
Call Number CD: FIK/INFO. 22 201
NIM/NIDN Creators: 41519010189
Uncontrolled Keywords: Klasifikasi, Naïve Bayes, SVM, Machine Learning, Mutasi Siswa
Subjects: 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum
000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 020 Library and Information Sciences/Perpustakaan dan Ilmu Informasi > 025 Operations, Archives, Information Centers/Operasional Perpustakaan, Arsip dan Pusat Informasi, Pelayanan dan Pengelolaan Perpustakaan > 025.3 Bibliographic Analysis and Control/Bibliografi Analisis dan Kontrol Perpustakaan > 025.34 Cataloging, Classification, Indexing of Special Materials/Pengatalogan, Klasifikasi, Pengindeksan Bahan Tertentu
500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: ADELINA HASNA SETIAWATI
Date Deposited: 24 Mar 2023 04:24
Last Modified: 24 Mar 2023 04:24
URI: http://repository.mercubuana.ac.id/id/eprint/75412

Actions (login required)

View Item View Item