PREDIKSI SISWA SD NEGERI MOJOSARI MANTUP LAMONGAN BERDASARKAN HASIL LOLOS SELEKSI DI SMP NEGERI MENGGUNAKAN METODE NAIVE BAYES

WIDIYAWATI, NINIK (2018) PREDIKSI SISWA SD NEGERI MOJOSARI MANTUP LAMONGAN BERDASARKAN HASIL LOLOS SELEKSI DI SMP NEGERI MENGGUNAKAN METODE NAIVE BAYES. undergraduate thesis, Universitas Muhammadiyah Gresik.

	Text Abstract.pdf Download (86kB)
	Text BAB I.pdf Download (219kB)
	Text BAB II.pdf Download (466kB)
	Text BAB III.pdf Download (759kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (86kB)

Abstract

SD Negeri Mojosari merupakan salah satu lembaga pendidikan yang berada di Kecamatan Mantup. Minimnya siswa SD Negeri Mojosari yang diterima di SMP Negeri menyebabkan penurunan kualitas pendidikan di sekolah. Hal ini karena sekolah tersebut belum memiliki metode yang tepat dalam memprediksi siswa. Maka dari itu perlu dilakukan prediksi siswa berdasarkan hasil lolos seleksi di SMP Negeri, untuk mengetahui siswa diterima dalam sekolah negeri atau swasta. Penelitian ini menerapkan teknik data mining klasifikasi dengan menggunakan metode naïve bayes untuk memprediksi siswa di kelas negeri atau swasta. Atribut yang digunakan pada penelitian ini terdiri dari 7 variabel, yaitu berupa nilai raport 3 (tiga) mata pelajaran (Matematika, Bahasa Indonesia dan IPA) semester 2 kelas 5 dan semester 1 kelas 6, nilai tes prestasi akademik dan prestasi non akademik. Pengujian sistem dilakukan sebanyak sembilan kali pengujian. Data yang digunakan diambil dari data siswa tahun pelajaran 2008 – 2017 sebanyak 124 data. Berdasarkan hasil pengujian didapatkan bahwa pada pengujian keempat menghasilkan akurasi tertinggi mencapai 95,12%.

Item Type:	Thesis (undergraduate)
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	Shandy Rahma Ramadhan, S.IIP
Date Deposited:	07 Nov 2018 10:57
Last Modified:	08 Mar 2019 06:22
URI:	http://eprints.umg.ac.id/id/eprint/614

Actions (login required)

View Item