Optimalisasi Metode Naive Bayes untuk Menentukan Program Studi bagi Calon Mahasiswa Baru dengan Pendekatan Unsupervised Discretization

W. Nugroho, Teguh Prihandoyo, Oman Somantri
{"title":"Optimalisasi Metode Naive Bayes untuk Menentukan Program Studi bagi Calon Mahasiswa Baru dengan Pendekatan Unsupervised Discretization","authors":"W. Nugroho, Teguh Prihandoyo, Oman Somantri","doi":"10.35970/infotekmesin.v13i1.1048","DOIUrl":null,"url":null,"abstract":"Diterima: 26 Januari 2022 Penerimaan calon mahasiswa baru harus mempertimbangkan berbagai prosedur yang bertujuan untuk mengarahkan calon mahasiswa baru dalam menentukan program studi yang ditempuh dan diminati. Penelitian ini akan membahas tentang Optimalisasi metode Naive Bayes untuk menentukan program studi atau jurusan bagi calon mahasiswa baru dengan pendekatan metode Unsupervised Discritization. Ada beberapa tahapan metode penelitian yang dilakukan dalam penelitian ini, diantaranya Cleaning Data, Collection Data, Penentuan Kriteria, Penentuan Probabilitas, serta testing Data. Penelitian ini sudah pernah dilakukan dengan metode yang sama yaitu metode Naive Bayes yang dipakai buat klasifikasi minat calon mahasiswa baru pada menentukan program studi dengan hasil nilai akurasinya 96.68%. Penelitian yang sedang berjalan digunakan metode yang sama yaitu Naive Bayes lalu dilakukan optimalisasi dengan pendekatan metode Unsupervised Discretization. Untuk data testing ada 1671 record data siswa. Setelah dilakukan pengujian dengan metode yang sama dan dioptimalisasikan, maka nilai akurasi yang tadinya sebesar 96.68% menjadi 97.66% dengan hasil klasifikasi menunjukan pada program studi DIII Farmasi. Tujuan dari penelitian ini adalah menghasilkan klasifikasi dalam menentukan program studi atau jurusan bagi calon mahasiswa baru memakai metode Naive Bayes menggunakan optimalisasi pendekatan metode Unsupervised Discretization. Dari hasil pengujian data tersebut maka metode Naive Bayes setelah dilakukan optimalisasi dengan pendekatan metode Unsupervised Discretization sangat baik dibandingkan sebelum dilakukan optimalisasi. Abstract","PeriodicalId":33598,"journal":{"name":"Infotekmesin Media Komunikasi Ilmiah Politeknik Cilacap","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2022-01-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Infotekmesin Media Komunikasi Ilmiah Politeknik Cilacap","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35970/infotekmesin.v13i1.1048","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 2

Abstract

Diterima: 26 Januari 2022 Penerimaan calon mahasiswa baru harus mempertimbangkan berbagai prosedur yang bertujuan untuk mengarahkan calon mahasiswa baru dalam menentukan program studi yang ditempuh dan diminati. Penelitian ini akan membahas tentang Optimalisasi metode Naive Bayes untuk menentukan program studi atau jurusan bagi calon mahasiswa baru dengan pendekatan metode Unsupervised Discritization. Ada beberapa tahapan metode penelitian yang dilakukan dalam penelitian ini, diantaranya Cleaning Data, Collection Data, Penentuan Kriteria, Penentuan Probabilitas, serta testing Data. Penelitian ini sudah pernah dilakukan dengan metode yang sama yaitu metode Naive Bayes yang dipakai buat klasifikasi minat calon mahasiswa baru pada menentukan program studi dengan hasil nilai akurasinya 96.68%. Penelitian yang sedang berjalan digunakan metode yang sama yaitu Naive Bayes lalu dilakukan optimalisasi dengan pendekatan metode Unsupervised Discretization. Untuk data testing ada 1671 record data siswa. Setelah dilakukan pengujian dengan metode yang sama dan dioptimalisasikan, maka nilai akurasi yang tadinya sebesar 96.68% menjadi 97.66% dengan hasil klasifikasi menunjukan pada program studi DIII Farmasi. Tujuan dari penelitian ini adalah menghasilkan klasifikasi dalam menentukan program studi atau jurusan bagi calon mahasiswa baru memakai metode Naive Bayes menggunakan optimalisasi pendekatan metode Unsupervised Discretization. Dari hasil pengujian data tersebut maka metode Naive Bayes setelah dilakukan optimalisasi dengan pendekatan metode Unsupervised Discretization sangat baik dibandingkan sebelum dilakukan optimalisasi. Abstract
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
用无监督离散化方法优化Naive Bayes方法为新生来电者设置学习程序
接受:2022年1月26日招生应聘者应考虑旨在指导应届新生计划的各种程序。本研究将讨论优化的方法“天真的Bayes”,以一种不受监督的方法为未来的大一新生确定学习计划或专业。本研究采用的研究方法有几个阶段,包括净化数据、收集数据、标准决定、概率决定和数据测试。该研究也采用了类似的方法,该方法旨在确定初生学生对某项研究项目的准确率为96.68%。目前正在进行的研究也采用了同样的方法天真贝斯,然后通过一种未经监督的方法进行优化。测试数据有1671个学生的记录。在以同样的方法进行测试并优化后,曾经为96.8%的精确度为96.6%,并带有分类结果的精确度显示了迪尔制药的研究项目。本研究的目的是通过优化、未受监督的方法方法,将初来新生的学习计划或专业分类。从这些数据测试结果来看,我们的结论是,在优化、未经监督的方法和优化之前,最有效的天真Bayes方法是最有效的。抽象
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
30
审稿时长
12 weeks
期刊最新文献
Perhitungan Pengendalian Persediaan Fast Moving Spare Part Dengan Metode Min-Max Stock Rancang Bangun Sistem Pengisian Otomatis Merica Bubuk Berbasis Kontroler Arduino Nano Klasifikasi Opini Publik di Twitter Terhadap Bakal Calon Presiden Indonesia Tahun 2024 Menggunakan LSTM Secara Realtime Berbasis Website Optimalisasi Labview Sebagai Kendali dan Monitoring Arus Tegangan pada Modul Solar Cell Menggunakan Jaringan Lokal Analisis Kekuatan Tarik dan Regangan Filamen Carbon Fiber Hasil 3D Print dengan Variasi Fill Density
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1