Penerapan metode naive bayes dalam sistem klasifikasi penentuan bidang konsentrasi tugas akhir mahasiswa sistem informasi universitas andalas

vanesha, asyariza (2019) Penerapan metode naive bayes dalam sistem klasifikasi penentuan bidang konsentrasi tugas akhir mahasiswa sistem informasi universitas andalas. D3 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (209kB)
	Text (Bab I) BAB I.pdf - Published Version Download (314kB)
	Text (Bab Penutup) PENUTUP.pdf - Published Version Download (177kB)
	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf - Published Version Download (185kB)
	Text (Tugas Akhir Full Text) LAPORAN TA CETAK WATERMARK.pdf - Published Version Restricted to Repository staff only Download (6MB)

Abstract

Tugas akhir merupakan salah satu mata kuliah dan prasyarat kelulusan mahasiswa di Jurusan Sistem Informasi Universitas Andalas. Jurusan ini memiliki tiga bidang konsentrasi yakni Business Intelligence, Enterprise Application, Geographic Information System. Penentuan bidang konsentrasi tugas akhir mahasiswa saat ini diserahkan langsung kepada mahasiswa yang bersangkutan sehingga memungkinkan bidang konsentrasi yang dipilih tidak sesuai dengan kemampuan akademik melainkan dipengaruhi oleh faktor luar. Data bidang konsentrasi yang dipilih mahasiswa tersimpan didalam database. Data diolah menggunakan teknik klasifikasi dengan metode naïve bayes karena memiliki tingkat akurasi dan kecepatan yang tinggi sehingga tujuan dari penelitian ini dapat membantu mahasiswa dalam memilih bidang konsentrasi yang cocok dengan kemampuan akademiknya. Dalam penerapan metode naïve bayes terdapat 10 tahapan yang dilakukan mulai dari identifikasi masalah, studi literatur, pengumpulan data, pengolahan data, lalu dilakukannya proses klasifikasi naïve bayes dan dilakukan pengujian. Setelah dilakukan pengujian, lalu dilakukan pembangunan sistem penentuan bidang konsentrasi tugas akhir mahasiswa menggunakan bahasa pemrograman PHP dan framework Laravel. Perhitungan naïve bayes dilakukan pada data training di RapidMiner menghasilkan akurasi sebesar 60.00% dan data training tersebut dijadikan input pada sistem. Hasil pengujian 165 data testing menggunakan RapidMiner menghasilkan akurasi sebesar 55.15%, pengujian menggunakan sistem menghasilkan akurasi sebesar 45.45%, serta perbandingan pengujian hasil RapidMiner terhadap hasil sistem menghasilkan akurasi sebesar 47.89%.

Actions (login required)

View Item