Prediksi Siswa Dalam Kelanjutan Masuk Ke Perguruan Tinggi Dengan Algoritma Naïve Bayes Dan K-Nearest Neighbor Di SMA Negeri 1 Bandar Petalangan

Tofa, Yuyan (2022) Prediksi Siswa Dalam Kelanjutan Masuk Ke Perguruan Tinggi Dengan Algoritma Naïve Bayes Dan K-Nearest Neighbor Di SMA Negeri 1 Bandar Petalangan. Diploma thesis, Universitas Lancang Kuning.

	Text 1855201036_BAB-I_VI_DAFTAR-PUSTAKA.pdf Download (858kB)
	Text 1855201036_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Pada SMA Negeri 1 Bandar Petalangan setiap tahunnya untuk masuk perguruan tinggi negeri ataupun swasta yang ada di provinsi Riau. Akan tetapi dengan terbatasnya jumlah undangan untuk masuk ke perguruan tinggi tersebut hal ini membuat bingung pihak sekolah dalam memberikan undangan ke siswa mana yang layak untuk direkomendasikan. Selama ini hanya siswa yang memiliki peringkat akademik yang tinggi di kelas yang diberikan rekomendasi untuk masuk ke perguruan tinggi, tapi ada beberapa siswa yang tidak melanjutkan ke perguruan tinggi, hal ini menyebabkan tidak tepat sasaran dalam pemberian rekomendasi tersebut dikarenakan adanya faktor ekonomi yang menghambat unutk melanjutkan pendidikan ke perguruan tinggi. Penulis melakukan prediksi dalam klasifikasi dengan menerapan metode Algoritma Naïve Bayes dan K-Nearest Neighbor dilakukan perbandingan hasil prediksi siswa SMA Negeri 1 Bandar Petalangan yang lanjut atau tidak lanjut ke perguruan tinggi. Dalam hal ini tujuan dari adanya analisis membantu pihak sekolah dalam memberikan rekomendasi pilihan siswa yang benar-benar layak untuk diberikan surat undangan untuk melanjutkan pendidikan ke perguruan tinggi, khususnya kepada siswa yang mendapatkan surat rekomendasi agar dipersiapkan dengan matang untuk melanjutkan pendidikannya ke perguruan tinggi. Berdasarkan analisis yang telah dilakukan, tingkat keakuratan dari perbandingan kedua metode Algoritma Naïve Bayes dan K-Nearest Neighbor dalam memprediksi kelanjutan siswa ke perguruan tinggi digunakan rumus Confusion Matrix yang menghasilkan tingkat akurasi dari masing-masing kedua metode sebesar 88,16% yang dapat diartikan bahwasanya kedua metode sama-sama dapat digunakan dalam pengklasifikasian dalam prediksi kelanjutan siswa ke perguruan tinggi.

Actions (login required)

View Item