Perbandingan 3 Metode Dalam Data Mining Untuk Penjurusan Siswa Di Sma N 3 Boyolali

Haryati, Syarifah Nur and , Yusuf Sulistyo N, S.T., M.Eng (2015) Perbandingan 3 Metode Dalam Data Mining Untuk Penjurusan Siswa Di Sma N 3 Boyolali. Skripsi thesis, Universitas Muhammadiyah Surakarta.

	PDF (Naskah Publikasi) 02. Naskah Publikasi Ilmiah.pdf Download (464kB)
	PDF (Halaman Depan) 03halaman_depan.pdf Download (326kB)
	PDF (Bab I) 04. BAB I.pdf Download (97kB)
	PDF (Bab II) 05. BAB II.pdf Restricted to Repository staff only Download (164kB)
	PDF (Bab III) 06. BAB III.pdf Restricted to Repository staff only Download (416kB)
	PDF (Bab IV) 07. BAB IV.pdf Restricted to Repository staff only Download (1MB)
	PDF (Bab V) 08. BAB V.pdf Restricted to Repository staff only Download (89kB)
	PDF (Daftar Pustaka) 09. Daftar Pustaka.pdf Download (122kB)
	PDF (Lampiran) 10. Lampiran.pdf Restricted to Repository staff only Download (1MB)
	PDF (Surat Pernyataan) 01. Surat Pernyataan Publikasi Karya Ilmiah.pdf Restricted to Repository staff only Download (753kB)

Abstract

SMA N 3 Boyolali merupakan salah satu Sekolah Menengah Atas di kota Boyolali yang terdapat 2 jurusan yaitu IPA dan IPS. Penjurusan siswa ini mengarahkan peserta didik agar lebih fokus mengembangkan kemampuan dan minat yang dimiliki. Jurusan yang tidak tepat bisa sangat merugikan siswa dan masa depannya. Dengan penjurusan tersebut diharapkan dapat memaksimalkan potensi, bakat atau talenta individu, sehingga juga akan memaksimalkan nilai akademisnya. Untuk mengatasi permasalahan tersebut adalah dengan cara menerapkan proses data mining. Teknik data mining yang digunakan dalam penentuan jurusan ini menggunakan metode Decision Tree Algoritma C4.5, Naive Bayes dan Clustering Algoritma K-Means. Sedangkan atribut yang digunakan terdiri dari Gender, Minat, Rata-rata IPA, Rata-rata IPS, Psikotest IPA, Psikotest IPS, Asal Sekolah dan Jurusan. Dalam melakukan analisa ini menggunakan bantuan software RapidMiner 5 untuk mengetahui metode apa yang paling baik. Pengimplementasian data mining menggunakan perbandingan 3 metode dapat diketahui bahwa berdasarkan dari nilai precision, metode naive bayes lebih baik digunakan untuk penelitian ini dibandingkan dengan metode yang lain dengan nilai 77,51%. Sedangkan berdasarkan nilai recall dan accuracy, decision tree lebih baik digunakan dibanding metode yang lain dengan nilai recall sebesar 90,80% dan nilai accuracy sebesar 79,14%. Variabel yang paling berpengaruh dalam menentukan penjurusan yaitu rata-rata IPA sehingga perlu dijadikan pertimbangan bagi pihak sekolah

Item Type:	Karya ilmiah (Skripsi)
Uncontrolled Keywords:	Data Mining, Decision Tree Algoritma C.45, Naive Bayes, Clustering Algoritma K-Means
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Ilmu Komunikasi dan Informatika > Teknik Informatika
Depositing User:	Setiawan Setiawan BL
Date Deposited:	02 Dec 2015 08:45
Last Modified:	13 Oct 2021 05:05
URI:	http://eprints.ums.ac.id/id/eprint/39757

Actions (login required)

View Item