Algoritma Naive Bayes Berbasis Backward Elimination untuk Prediksi  Kesiapan Kerja Pada Siswa SMK

husni hidayat

doi:10.30591/smartcomp.v10i2.2492

Algoritma Naive Bayes Berbasis Backward Elimination untuk Prediksi Kesiapan Kerja Pada Siswa SMK

husni hidayat

Abstract

SMK (Sekolah menengah kejuruan) adalah kegiatan bimbingan belajar vokasi formal dalam mengembangkan bidang keilmuan, kemampuan kepribadian, sikap sosial, pembelajaran, pengembangan karir, perencanaan dan juga bakat siswa dalam memasuki dunia pekerjaan. Berdasarkan data yang ada pada SMK mutu lulusan SMK tidak semua siswanya memenuhi kualifikasi siap bekerja dikarenakan banyak faktor sehingga diperlukan sebuah pengolahan data yang menerapkan metode prediksi dengan teknik data mining. Salah satu teknik data mining adalah teknik klasifikasi yaitu Naïve Bayes, yang mampu menghasilkan nilai akurasi sampai 95.55% dalam memprediksi kesiapan kerja siswa SMK, Namun dari banyaknya faktor yang berpengaruh pada kesiapan kerja siswa SMK maka dibutuhkan penambahan fitur seleksi Backward Elimination yang mampu meningkatkan akurasi menjadi 96.95% dengan mengeliminasi beberapa fitur yang tidak relevan terhadap klasifikasi dan mendapat hasil yang lebih baik daripada menggunakan metode Naïve Bayes saja.

Kata kunci : SMK; naïve bayes; backward elimination; prediksi

Full Text:

References

D. Kurniasari dan G. Isnani (2015) “Analisis pelaksanaan kerjasama SMK dengan dunia usaha,” Jurnal Pendidikan Bisnis dan Manajemen, pp. 34-40, 2015.

A. Hidayati (2015), “Relevansi kompetensi lulusan sekolah menengah kejuruan dengan kebutuhan dunia usaha dan industri,” Pendidikan Ekonomi & Bisnis, pp. 1-12, 2015.

A. Fitriani, H. dan K (2012). , “Faktor-faktor yang mempengaruhi minat berwirausaha pada siswa kelas XII SMK Negeri 1 Kandeman Kabupaten Batang tahun 2011/2012,” Jurusan Pendidikan Ekonomi, pp. 1-5, 2012.

J. Han dan M. Kamber (2006), Data Mining Concepts and Techniques, San Fransisco: Diane Cerra, 2006

A. R. Rozzaqi (2015), “Naïve Bayes dan Filtering Feature Selection Information Gain untuk Prediksi Ketepatan Kelulusan Mahasiswa,” Jurnal Informatika, vol. I, pp. 30-41, 2015.

Rakhman, A., & Sabanise, A. Y. F. (2019). Sistem Informasi Stok Kebutuhan Darah Pada Palang Merah Indonesia Dengan Metode Weighted Moving Average. Syntax Literate; Jurnal Ilmiah Indonesia, 4(7), 24-32.

S. B. Martaleli dan S. Nugraha (2014), “Simulasi dan Prediksi Curah Hujan Mingguan Menggunakan Regresi Polinominal Dengan Metode Backward Elimination,” Ilmu Komputer, pp. 1-10, 2014..

DOI: https://doi.org/10.30591/smartcomp.v10i2.2492