PERBANDINGAN METODE DATA MINING K-NEAREST NEIGHBORS DAN NAÏVE BAYES UNTUK PREDIKSI KESIAPAN ANAK DALAM MENYESUAIKAN DIRI DI JENJANG SEKOLAH DASAR

VENTURA, AGUSTINUS BONA (2021) PERBANDINGAN METODE DATA MINING K-NEAREST NEIGHBORS DAN NAÏVE BAYES UNTUK PREDIKSI KESIAPAN ANAK DALAM MENYESUAIKAN DIRI DI JENJANG SEKOLAH DASAR. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01. Cover - Agustinus Bona Ventura.pdf Download (1MB) | Preview
	Text (BAB I) 02. BAB 1 - Agustinus Bona Ventura.pdf Restricted to Registered users only Download (77kB)
	Text (BAB II) 03. BAB 2 - Agustinus Bona Ventura.pdf Restricted to Registered users only Download (311kB)
	Text (BAB III) 04. BAB 3 - Agustinus Bona Ventura.pdf Restricted to Registered users only Download (298kB)
	Text (BAB IV) 05. BAB 4 - Agustinus Bona Ventura.pdf Restricted to Registered users only Download (464kB)
	Text (BAB V) 06. BAB 5 - Agustinus Bona Ventura.pdf Restricted to Registered users only Download (21kB)
	Text (BAB VI) 07. BAB 6 - Agustinus Bona Ventura.pdf Restricted to Registered users only Download (1MB)
	Text (DAFTAR PUSTAKA) 08. Daftar Pustaka - Agustinus Bona Ventura.pdf Restricted to Registered users only Download (68kB)
	Text (LAMPIRAN) 09. LAMPIRAN - Agustinus Bona Ventura.pdf Restricted to Registered users only Download (372kB)

Abstract

According to the revocation of Education and Culture Minister Regulation number 17/2015 5:1-2, the minimum age of grade 1 of elementary student is 7 years old and if a student candidate is under 6 years old, the student candidate is required to have written recommendation from a psychologist to enroll in elementary school. In fact, many parents insist to early enroll their underage-children in elementary school. In response to this issue, the readiness of a school is shown by providing children development care to assist the children in learning and adjusting themselves in school environment.The objective of this research is to predict student candidates’ readiness to enroll elementary school following naïve bayes dan K-Nearest Neighbors methodology and considering 11 categories of religious and moral aspect, 22 categories of physical – motoric aspect, 20 categories of cognitive aspect, 16 categories of social-emotional development, 14 categories of language development, and 16 categories of art aspect.To process the mining data, RapidMiner is needed. As for the system testing, it consists of testing the effect of the K value and testing the effect of the K-Fold value. The results of testing the effect of the K-Fold value produce an optimum accuracy of naïve Bayes 54.63% +/- 4.24% (micro average : 54.63%) at the K-Fold 3 value while the optimum accuracy of K-Nearest Neighbors is 62.96% +/- 2.87% (micro average : 62.96%) with K=10 at the K-Fold 6. From the result, can be concluded that K-Nearest Neighbors methodology can be used to predict the readiness of children to enroll elementary school. Key word: children’s readiness to enroll elementary school, Mining data, Naïve Bayes, K-Nearest Neighbors, Rapidminer Dalam peraturan Permendikbud nomor 17 tahun 2017 pasal 5 ayat (1) dan (2) yang menguraikan persyaratan batas usia calon siswa didik kelas 1 (satu) SD adalah 7 tahun dan jika calon peserta didik berusia dibawah 6 tahun, maka calon siswa tersebut membutuhkan rekomendasi tertulis dari Psikolog yang berisi keterangan calon siswa tersebut dan belajar di SD. Kenyataannya, banyak orang tua tidak sabar untuk dan membiarkan anak-anak mereka memasuki sekolah dasar walaupun usianya tidak mencukupi, maka dari itu kesiapan sekolah dapat diukur melalui matangnya aspek perkembangan yang secara langsung dan membantu anak dalam proses pembelajaran dan penyesuaian dirinya dilingkungan sekolah. Adapun tujuan dari penelitian ini untuk memprediksi kesiapan anak masuk sekolah dasar dengan menggunakan metode naïve bayes dan K-Nearest Neighbors, atribut yang digunakan terdiri dari Perkembangan Nilai Agama dan Moral yang terdiri dari 11 katogori, Perkembangan Fisik - Motorik yang terdiri dari 22 kategori, Perkembangan Kognitif yang terdiri dari 20 kategori, Perkembangan Sosial - Emosional yang terdiri dari 16 kategori, Perkembangan Bahasa yang terdiri dari 14 kategori, Perkembangan seni yang terdiri dari 16 kategori. Untuk melakukan proses data mining tersebut diperlukan tools pembantu yaitu RapidMiner. adapun pengujian sistem terdiri dari pengujian pengaruh nilai K dan pengujian pengaruh nilai K-Fold. Hasil dari pengujian pengaruh nilai K-Fold menghasilkan akurasi naïve bayes optimum senilai 54.63% +/- 4.24% (micro average : 54.63%) pada nilai K-Fold 3, sedangkan pengujian nilai akurasi K-Nearest Neighbors optimum senilai 62.96% +/- 2.87% (micro average : 62.96%) dengan nilai K=10 pada nilai K-Fold 6. Dari hasil tersebut, disimpulkan bahwa metode K-Nearest Neighbors dapat digunakan dengan baik untuk memprediksi kesiapan anak masuk sekolah dasar. Kata Kunci: Kesiapan Anak Sekolah Dasar, Data Mining, Naïve Bayes, K-Nearest Neighbors, Rapidminer.

Actions (login required)

View Item