首页> 外文OA文献 >PENERAPAN DATA MINING UNTUK KLASIFIKASI PENJURUSAN SEKOLAH MENENGAH ATAS PADA SMA 1 KAJEN DENGAN MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER
【2h】

PENERAPAN DATA MINING UNTUK KLASIFIKASI PENJURUSAN SEKOLAH MENENGAH ATAS PADA SMA 1 KAJEN DENGAN MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER

机译:朴素贝叶斯分类算法在数据挖掘在SMA 1 Kajen中心学校学位分类中的应用

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务,本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文,但由于OA文献来源多样且变更频繁,仍可能出现获取不到、文献不完整或与标题不符等情况,如果获取不到我们将提供退款服务。请知悉。

摘要

Penjurusan siswa adalah suatu proses pengambilan keputusan dalam memilih bidang keahlian studi berdasarkan kemampuan potensi diri dan peluang yang ada. Secara formal pemilihan jurusan merupakan ketentuan yang sudah ditetapkan oleh pemerintah melalui kurikulum yang berlaku, yaitu kurikulum 2013. Penjurusan dilakukan dikelas X, dampaknya adalah pihak sekolah khususnya guru bimbingan karir belum mengetahui bakat dan karakter siswa dalam program studi tertentu. Sehingga dikhawatirkan siswa akan mengalami kesulitan dalam mengikuti pembelajaran yang menyebabkan rendahnya prestasi belajar siswa. Dalam menentukan penjurusan jika dilakukan dengan cara manual maka akan menyita banyak waktu dan memerlukan ketelitian ekstra karena data yang cukup banyak sehingga memungkinkan terjadi kesalahan dalam melakukan proses penjurusan. Oleh karena itu diperlukan teknik Data Mining dengan menggunakan metode klasifikasi algoritma Naive Bayes untuk mengklasifikasi penjurusan siswa di SMA 1 Kajen. Algoritma Naive Bayes merupakan metode machine learning yang menggunakan perhitungan probabilitas yang digunakan untuk menghitung peluang dan dapat memprediksi peluang dimasa depan berdasarkan pengetahuan dimasa sebelumnya. Dengan menerapkan algoritma ini diharapkan dapat membantu untuk mengklasifikasi penjurusan siswa secara tepat dan akurat. Dari hasil penelitian, disimpulkan bahwa klasifikasi data siswa baru SMA 1 Kajen tahun ajaran 2015/2016 dapat diselesaikan dengan menggunakan teknik data mining, yaitu dengan metode algoritma Naive Bayes. Akurasi yang dihasilkan dari metode algoritma Naive Bayes adalah sebesar 86,1842 % dengan error rate sebesar 13.8158 %.
机译:学生专业是根据他们潜在的能力和机会选择学习专业领域的决策过程。正式选择专业是政府通过适用的课程(2013年课程)制定的一项规定。专业是在X班开设的,其影响是学校,特别是职业指导老师,尚不了解某些学习课程中学生的才能和性格。因此,担心学生在参加学习时会遇到困难,这会导致学生学习成绩低下。如果手动确定专业,这将花费大量时间,并且需要额外的准确性,因为有很多数据会导致专业错误。因此,我们需要使用朴素贝叶斯算法分类方法对Kajen 1高中学生的专业进行数据挖掘技术。朴素贝叶斯算法是一种机器学习方法,它使用概率计算来计算机会,并可以根据先验知识预测未来的机会。希望通过应用该算法,可以帮助正确,准确地对学生专业进行分类。根据研究结果,可以得出结论:可以使用数据挖掘技术,即朴素贝叶斯算法方法,对2015/2016学年的1名Kajen高中生的数据进行分类。朴素贝叶斯算法方法产生的精度为86.1842%,错误率为13.8158%。

著录项

  • 作者

    MAGHRIZA ADILLA FAKRI;

  • 作者单位
  • 年度 2016
  • 总页数
  • 原文格式 PDF
  • 正文语种
  • 中图分类

相似文献

  • 外文文献
  • 中文文献
  • 专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号