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.

Preview	Text (HAL COVER) 1. Hal Cover.pdf Download (582kB) | Preview
Preview	Text (ABSTRAK) 2. Abstrak.pdf Download (24kB) | Preview
	Text (BAB I) 3. BAB I.pdf Restricted to Registered users only Download (39kB)
	Text (BAB II) 4. BAB II.pdf Restricted to Registered users only Download (260kB)
	Text (BAB III) 5. BAB III.pdf Restricted to Registered users only Download (103kB)
	Text (BAB IV) 6. BAB IV.pdf Restricted to Registered users only Download (660kB)
	Text (BAB V) 7. BAB V.pdf Restricted to Registered users only Download (16kB)
	Text (DAFTAR PUSTAKA) 8. Daftar Pustaka.pdf Restricted to Registered users only Download (209kB)
	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

Actions (login required)

View Item