x
ABSTRAK
Yona Asmara (16170058), Analisa Metode Klasifikasi Algoritma Naive Bayes Untuk Penerimaan Peserta Didik Baru Pada SMKN Manonjaya Tasikmalaya
SMK Negeri Manonjaya setiap tahunnya melakukan penerimaan peserta didik baru (PPDB), adanya seleksi penerimaan ini menjadi salah satu cara untuk menyaring peserta didik yang layak diterima, sehingga diharapkan dapat meningkatkan kualitas, prestasi dan nama baik sekolah. Untuk itu sebaiknya perlu dilakukan analisis data calon peserta didik untuk menentukam kelayakan diterima atau tidaknya. Analisis data tersebut bisa dilakukan dengan menggunakan teknik data mining. Naive Bayes adalah salah satu algoritma yang dapat digunkanan untuk melakukan proses pengklasifikasian data mining, algoritma naive bayes banyak digunakan oleh peneliti sebelumnya dan memperoleh nilai akurasi yang tinggi. Dalam penelitian ini menggunakan algoritma naive bayes dan menghasilkan nilai akurasi sebesar 91.44% dan untuk hasil nilai AUC yang di dapat adalah 0,973 yang berarti merupakan excelent classification.
Kata Kunci: Data Mining, Naive Bayes, Klasifikasi, PPDB.
xi
ABSTRACTION
Yona Asmara (16170058), Analisa Metode Klasifikasi Algoritma Naive Bayes Untuk Penerimaan Peserta Didik Baru Pada SMKN Manonjaya Tasikmalaya.
SMK N Manonjaya annually receives new students (PPDB), the selection of admissions is one of the ways to screen students who are eligible, so that it is expected to improve the quality, achievement and reputation of the school. For this reason, be important to analyze data of receives new students (PPDB) to determine whether they are eligible or not. Data analysis can be done using data mining techniques. Naive Bayes is one of the algorithms that can be used to carry out mining classification processes, naive bayes algorithms are widely used by previous researchers and obtain high accuracy values. In this study using the Naive Bayes algorithm and produce an accuracy value of 91.44% and the results of the AUC value that is obtained is 0.973, which means an excelent classification.
Key Words: Data Mining, Naive Bayes, Classification, PPDB.
