Perbandingan Data Mining Menggunakan Metode Decision Tree C4.5 dan NaÃ¯ve Bayes dalam Penentuan Penjurusan Siswa (Studi Kasus : SMA PGRI 109 Kota Tangerang)

Halili Maar

doi:10.30606/rjti.v4i2.3448

Authors

Halili Maar Universitas Pamulang

DOI:

https://doi.org/10.30606/rjti.v4i2.3448

Keywords:

Data Mining Decision Tree C4.5, NaÃ¯ve Bayes, Jurusan Siswa.

Abstract

Student majors are carried out in high school in accordance with the interests and carried out by students registering with the aim to provide opportunities for students to develop competencies, competencies, and academic abilities in a collection of scientific subjects. In this study, the data used are data on the results of the entrance examinations held at school for students who have passed the entrance examination at SMA PGRI 109 Kota Tangerang. In this study using the Decision Tree C4.5 Algorithm and the Naive Bayes Algorithm by using two data mining classification algorithms, to find out which algorithm gets a model or value with a higher verification result.

Downloads

Download data is not yet available.

References

A. Arif. B, â€œPengolahan Data mining menggunakan Tool Orange dan Python,â€ 2013.

Bahar, â€œPenentuan Jurusan Sekolah Menengah Atas dengan Algoritma Fuzzy C-Means,â€ 2011 Tesis Program Pasca Sarjana Udinus Semarang.

E. Bonfadini, â€œIntroduction To Orange Data Mining. PYCON SETTE,â€ 2016

H. Naparin, â€œKlasifikasi Peminatan Siswa SMA Menggunakan Metode Naive Bayes,â€ 2016 SYSTEMIC.

Andriani, A. (2012). Penerapan Algoritma C4.5 Pada Program Klasifikasi Mahasiswa Drop Out. Seminar Nasional Matematika.

Andriani, A. (2013). Aplikasi Data Mining Market Basket Analysis Penjualan Suku Cadang Sepeda Motor Menggunakan Metode Association Rules Pada PT. Sejahtera Motor Gemilang. Jurnal Ilmiah Teknik Informatika Universitas Nusantara PGRI Kediri.

Ardiansyah. (2018). Analisis Perbandingan Algoritma Klasifikasi Data Mining Untuk Dataset Blogger Dengan Rapid Miner. Jurnal Khatulistiwa Informatika.

B, A. A. (2013). Pengolahan Data mining menggunakan Tool Orange dan Python.

Bahar. (2011). Penentuan Jurusan Sekolah Menengah Atas dengan Algoritma Fuzzy C-Means. Tesis Program Pasca Sarjana Udinus Semarang.

Berry, A, M. J., & S, G. L. (2005). Introduction to Data Mining and Knowledge Discovery. Third Edition. Potomac: Two Crows.

Bonfadini, E. (2016). Introduction To Orange Data Mining. PYCON SETTE.

Bustami. (2014). Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi Data Nasabah Asuransi. Jurnal Informatika.

C, D. A. (2013). Belajar Data Mining dengan RapidMiner.

Meilani, B. D. (2015). Aplikasi Data Mining Untuk Menghasilkan Pola Kelulusan Siswa Dengan Metode Naive Bayes. Jurnal Ilmiah NERO.

Musthofa, M. (2015). Pengembangan Sistem Pendukung Keputusan Penjurusan Bagi Siswa Baru Menggunakan Metode Naive Bayes.

Naparin, H. (2016). Klasifikasi Peminatan Siswa SMA Menggunakan Metode Naive Bayes. SYSTEMIC.

Ridwan, M., & dkk. (2013). Penerapan Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. Jurnal EECCIS Vol. 7, No. 1.

Saleh, A. (2014). Klasifikasi Metode Naive Bayes Dalam Data Mining Untuk Menentukan Konsentrasi Siswa (Studi Kasus di MAS PAB 2 Medan). KeTIK.

Saleh, A. (2015). Penerapan Data Mining Dalam Menentukan Jurusan Siswa. Seminar Nasional Informatika.

Sujai, I., & dkk. (2016). Prediksi Hasil Penjurusan Siswa Sekolah Menengah Atas Dengan Menggunakan Algoritma Decision Tree C4.5. Jurnal Teknologi Informasi.

Swastina, L. (2013). Penerapan Algoritma C4.5 Untuk Penentuan Jurusan Mahasiswa. Jurnal GEMA AKTUALITA.

Vulandari, R. T. (2017). Data Mining Teori dan Aplikasi RApidminer. Yogyakarta: Gava Media