Artikel Skripsi Universitas Nusantara PGRI Kediri
SISTEM INFORMASI PENILAIAN SISWA UNTUK PENJURUSAN PADA SMA NEGERI 1 PLOSOKLATEN KEDIRI MENGGUNAKAN METODE NAIVE BAYES
SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S. Kom) Program Studi TEKNIK INFORMATIKA
OLEH : IRANA BAUTY NPM : 12.1.03.02.0120
FAKULTAS TEKNIK UNIVERSITAS NUSANTARA PERSATUAN GURU REPUBLIK INDONESIA UNP KEDIRI 2016
Irana Bauty| 12.1.03.02.0120 Teknik - Teknik Informatika
simki.unpkediri.ac.id || 1||
Artikel Skripsi Universitas Nusantara PGRI Kediri
Irana Bauty| 12.1.03.02.0120 Teknik - Teknik Informatika
simki.unpkediri.ac.id || 2||
Artikel Skripsi Universitas Nusantara PGRI Kediri
Irana Bauty| 12.1.03.02.0120 Teknik - Teknik Informatika
simki.unpkediri.ac.id || 3||
Artikel Skripsi Universitas Nusantara PGRI Kediri
SISTEM INFORMASI PENILAIAN SISWA UNTUK PENJURUSAN PADA SMA NEGERI 1 PLOSOKLATEN KEDIRI MENGGUNAKAN METODE NAÏVE BAYES IRANA BAUTY 12.1.03.02.0120 Teknik –Teknik Informatika
[email protected] M. Rizal Arief, S. T., M. Kom dan Ardi Sanjaya, M. Kom., UNIVERSITAS NUSANTARA PGRI KEDIRI
ABSTRAK
Penelitian ini dilatarbelakangi berdasarkan pada kebingungan para guru membantu siswa mengambil jurusan yang tepat sesuai dengan nilai mata pelajaran yang di dapat serta membutuhkan waktu yang lama, hal ini disebabkan banyaknya siswa. Permasalahan penelitian adalah Bagaimana merancang dan membuat sistem yang dapat memberikan saran untuk dapat mendukung keputusan pengambilan jurusan dengan perhitungan naive bayes? Penelitian ini menggunakan salah satu teknik data mining yaitu perhitungan naive bayes dengan atribute dari perhitungan adalah mata pelajaran yang menjadi pokok penting dalam penjurusan sekolah. Menggunakan nilai probabilitas dari mata pelajaran sebagai data training. Kesimpulan hasil penelitian adalah dengan adanya sistem ini pekerjaan para guru dalam membantu siswa mengambil jurusan semakin mudah karena user dalam hal ini adalah siswa tinggal memasukkan data nilai pada sistem, lebih cepat karena tidak membutuhkan waktu yang lama dan lebih efisen biaya/tidak membutuhkan banyak kertas. Hasil penelitian ini, direkomendasikan perlu dilakukan pengembangan dengan teknik data mining yang lain. Kata Kunci : Penjurusan, Naïve Bayes
Irana Bauty| 12.1.03.02.0120 Teknik - Teknik Informatika
simki.unpkediri.ac.id || 4||
Artikel Skripsi Universitas Nusantara PGRI Kediri
I. LATAR BELAKANG
3) Mencari
nilai
Kegiatan guru-guru dalam melakukan
probabilitas
perhitungan nilai untuk menyarankan
((P(XH))
penjurusan terhadap siswa SMA Negeri 1
posterior
dari
evidence
4) Mencari nilai probabilitas posterior
Plosoklaten masih menghasilkan data yang kurang akurat karena masih terdapat
keseluruhan
dari hipotesa (P(HX)) III.
HASIL DAN KESIMPULAN
data yang berulang, tidak tercatat, kurang
laporan simpan user laporan pendaftaran 1.1
teliti, salah perhitungan dalam penilaian.
simpan data user
pendaftaran
input data user
laporan data user 1
Selain itu, sistem yang sedang berjalan
table user 1.2
Cek data
cek data user
User login
login
pada SMAN 1 Plosoklaten ini kurang
ambil data user 1.3
Admin
cek data testing
efisien waktu karena jumlah data siswa yang banyak maka data yang ditampung
testing
laporan data testing
cek sistem
cek data kategori
1.8
input nilai 1.4
ambil nilai user
laporan cek sistem
akan semakin besar, sehingga akan
pengambilan kategori lihat kategori
3
table kategori
maintenance sistem
1.5 laporan data kategori
memperlambat kinerja para guru untuk
pengambilan mapel
ambil kategori
laporan data mapel
menyajikan informasi secara tepat dan
4
laporan data training table mapel
cek mapel 1.6
cek data mapel
tepat.
proses rekom ambil mapel
mulai training
laporan data training 5
table training
cek data training
salah
penerapan
dari
satu
algoritma
laporan data tampung
ambil data training
simpan hasil simpan hasil training
6
Perhitungan
teorema
bayes.
Naïve
Bayes
pada
berdasarkan pada asumsi penyederhanaan bahwa nilai atribut secara conditional saling bebas jika diberikan nilai output. Probabilitas mengamati secara bersama produk
dari
probabilitas
individu
(Santosa, 2007). Secara garis besar Naïve Bayes terdiri dari 4 langkah yaitu : 1) Mencari nilai probabilitas hipotesa (P(H)) 2) Mencari nilai probabilitas posterior evidence (P(XH))
tampil hasil training
1.7
II. METODE Merupakan
User
input nilai 2
ambil hasil training
table tampung
cek data tampung
KESIMPULAN : 1. Berdasarkan
hasil
penelitian
telah
dihasilkan rancangan sistem pen jurusan dengan perhitungan Naïve Bayes. 2. Dari sistem didapatkan bahwa nilai mata pelajaran dari siswa dapat digunakan sebagai acuan dalam memberikan saran penjurusan sehingga siswa tidak bingung lagi dalam memilih jurusan. IV.
DAFTAR PUSTAKA
Arfiana,
Fikri.
2014.
Klasifikasi
Kendaraan Roda Empat Menggunakan Metode Naïve Bayes . Skripsi. Bandung : Fakultas Teknik Universitas Widyatama.
Irana Bauty| 12.1.03.02.0120 Teknik - Teknik Informatika
simki.unpkediri.ac.id || 2||
Artikel Skripsi Universitas Nusantara PGRI Kediri
Jananto, Arief. 2013. Algoritma Naïve Bayes untuk Mencari Perkiraan Waktu
Meilani Budanis Dwi dan Nofi Susanti.
Studi Mahasiswa. Jurnal Teknologi
2014. Sistem Data Mining untuk
Informasi DINAMIK Volume 18.
Menghasilkan Pola Kelulusan Siswa
No.1.Januari 2013 : 09-16.
dengan Metode Naïve Bayes . Jurnal Link Vol 21/No.2/September 2014.
Koesoema, Doni A. 2007. Pendidikan Karakter : Strategi Mendidik Anak di
Nofriansyah, Dicky. 2014. Konsep Data
Zaman Global. Jakarta : PT. Grasindo.
Mining VS Sistem Pendukung Keputusan. Yogyakarta : CV. BUDI UTAMA.
Kurniawati, Anis. 2014. Pemetaan Pola Hubungan
Program
dengan
Ramadhan, Arief. 2006. Pemrograman
Algoritma Apriori-Studi Kasus SPMU
Web Database dengan PHP dan MySQL.
UNNES.
Jakarta : PT. Elex Media Komputindo.
Edu
Studi
Komputika
Journal.
http://journal.unnes.ac.id/sju/index.php/e dukom.
Santosa, Budi. 2007. Data Mining Teknik dan Pemanfaatan Data untuk Keperluan
Kusrini dan Emha Taufiq Luthfi. 2009.
Bisnis teori dan sistem. Yogyakarta :
Algoritma Data Mining. Yogyakarta :
Graha Ilmu.
CV. ANDI OFFSET.
Ladjamuddin, Al Bahra. 2005. Sitem Informasi
Manajemen.
Yogyakarta :
Andi.
Larose,
Susanti, Sani dan Dedy suryadi. 2010. Pengantar pengetahuan
data dari
mining
menggali
bongkahan
data.
Yogyakarta : Andi.
D.T.
2005.
Discovering
Knowledge in Data : an Introduction to Data Mining. New Jersey: Prentice-Hall.
Irana Bauty| 12.1.03.02.0120 Teknik - Teknik Informatika
Wibisono, Dermawan. 2003. Riset Bisnis Panduan bagi Praktisi dan Akademisi. Jakarta : Gramedia Pustaka Utama.
simki.unpkediri.ac.id || 3||