Analisis Kombinasi Algoritma K-Nearest Neighbor – Naive Bayes Untuk Klasifikasi Data Kelulusan Mahasiswa Program Professional Human Resources Development IV (Studi Kasus Pada PT Trippcons Internasional)

Samsuri, . (2023) Analisis Kombinasi Algoritma K-Nearest Neighbor – Naive Bayes Untuk Klasifikasi Data Kelulusan Mahasiswa Program Professional Human Resources Development IV (Studi Kasus Pada PT Trippcons Internasional). Masters thesis, Universitas Pamulang.

	Text cover.pdf Restricted to Registered users only Download (346kB)
	Text BAB I.pdf Restricted to Registered users only Download (95kB)
	Text BAB I.pdf Restricted to Registered users only Download (95kB)
	Text BAB II.pdf Restricted to Registered users only Download (236kB)
	Text BAB III.pdf Restricted to Registered users only Download (85kB)
	Text BAB IV.pdf Restricted to Registered users only Download (304kB)
	Text BAB V.pdf Restricted to Registered users only Download (36kB)
	Text JURNAL.pdf Restricted to Registered users only Download (229kB)

Abstract

Data mining digunakan untuk membantu dalam pengambilan keputusan. K-Nearest Neighbor-Naive Bayes termasuk kedalam metode data mining klasifikasi. Berdasarkan penelitian sebelumnya, Naive Bayes menghasilkan nilai keakuratan yang lebih kecil dibandingkan metode K-Nearest Neighbor. Dari permasalahan tersebut maka diusulkan metode kombinasi K-NN dan Naive Bayes untuk mengatasi kelemahan tersebut. Data sampel dalam penelitian ini ditentukan berdasarkan simple random sampling, yaitu pengambilan anggota sampel dari populasi secara acak tanpa memperhatikan strata yang ada dalam populasi yaitu data training sebanyak 70% (856 mahasiswa) dan data testing sebanyak 30% (367 mahasiswa) dari data populasi sebanyak 1.223 mahasiswa. yang selanjutnya data tersebut di analisis menggunakan aplikasi Rapidminer dan metode kombinasi K- Nearest Neighbor (KNN)-Naive Bayes sehingga mendapatkan informasi dan pengetahuan berupa prediksi nilai akurasi sebesar 99.46%, nilai presisi sebesar 98.84% dan nilai recall sebesar 100%.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Data Mining, K-Nearest Neighbor, Naive Bayes, RapidMiner
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Enas Nasrulloh
Date Deposited:	25 Nov 2023 02:27
Last Modified:	25 Nov 2023 02:27
URI:	http://repository.unpam.ac.id/id/eprint/11824

Actions (login required)

View Item