Rancang Bangun Sistem Pendukung Keputusan Pemilihan Peminatan Menggunakan Algoritma Naive Bayes Classifier (Studi Kasus: Prodi Informatika UMN)

Abiyoga, Abiyoga (2018) Rancang Bangun Sistem Pendukung Keputusan Pemilihan Peminatan Menggunakan Algoritma Naive Bayes Classifier (Studi Kasus: Prodi Informatika UMN). Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
Text
HALAMAN AWAL.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (13MB) | Preview
[img]
Preview
Text
BAB I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (755kB) | Preview
[img]
Preview
Text
BAB II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (925kB) | Preview
[img]
Preview
Text
BAB III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img] Text
BAB IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img]
Preview
Text
BAB V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (700kB) | Preview
[img]
Preview
Text
DAFTAR PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (755kB) | Preview
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (25MB)

Abstract

Mahasiswa pada umumnya memiliki kesulitan dalam menentukan peminatan yang merupakan konsentrasi bidang yang disesuaikan dengan minat dan nilai akademik karena keterbatasan informasi dan kurangnya rasa percaya diri. Sistem pendukung keputusan dapat digunakan oleh mahasiswa dalam menentukan bidang peminatan yang sesuai dengan minat dan kemampuan mahasiswa. Sistem pendukung keputusan yang bernama Unirecommend ini menerapkan algoritma Naïve Bayes classifier untuk mengklasifikasikan bidang peminatan prodi informatika UMN berdasarkan pada nilai semester satu sampai dengan empat dengan kode IF yang diinput oleh mahasiswa. Hasil evaluasi sistem unirecommend mendapatkan rentang nilai akurasi bekisar 0,30 sampai dengan 0,33, kemudian nilai recall berkisar dari 0,318 sampai dengan 0,378, nilai precision berkisar dari 0,215 sampai dengan 0,407 dan nilai f-measure berkisar dari 0,257 sampai dengan 0,390. Hasil perhitungan akurasi, recall, precision, dan f-measure yang didapatkan bernilai kecil akibat dataset yang underfitting serta variansi dan jumlah data yang kurang. Hal tersebut terbukti dari uji dummy test yang dilakukan yang mendapatkan hasil bahwa terjadinya penurunan nilai akurasi, recall, precision dan f-measure saat jumlah dataset sama tetapi jumlah kelas ditambah. Klasifikasi untuk dua kelas mendapatkan nilai akurasi sebesar 0,83, kemudian recall sebesar 0,89, lalu precision sebesar 0,80 dan f-measure sebesar 0,843. Klasifikasi untuk tiga kelas mendapatkan nilai akurasi sebesar 0,72, nilai recall sebesar 0,734, nilai precision sebesar 0,723 dan nilai f-measure sebesar 0,728.

Item Type: Thesis (Bachelor Thesis)
Keywords: Naïve Bayes classifier, sistem unirecommend, peminatan, uji dummy test, evaluasi sistem
Subjects: 000 Computer Science, Information and General Works
000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
600 Technology (Applied Sciences) > 600 Technology
Divisions: Faculty of Engineering & Informatics > Informatics
Depositing User: mr admin umn
Date Deposited: 25 Jan 2019 07:08
Last Modified: 05 Apr 2023 02:52
URI: https://kc.umn.ac.id/id/eprint/4928

Actions (login required)

View Item View Item