Journal article // Jurnal Informasi dan Komputer






Algoritma Naive Bayes untuk Memprediksi Jumlah Siswa Berpotensi Drop Out
April 11, 2022  //  DOI: 10.35959/jik.v10i1.308
Sidik Rahmatullah, Ngajiyanto Ngajiyanto, Pakarti Riswanto, Arief Hendriawan

Metrics

  • Eye Icon 0 views
  • Download Icon 0 downloads
Metrics Icon 0 views  //  0 downloads
Abstract

Kualitas pendidikan di sekolah dapat dilihat dari tingginya tingkat keberhasilan siswa dan rendahnya kegagalan siswa. Salah satu indikator kegagalan siswa adalah kasus Drop Out). Permasalahan Drop Out menjadi sesuatu yang menarik untuk diteliti, karena hal ini dapat mempengaruhi kualitas pendidikan. Pada penelitian ini penulis melakukan penelitian Algoritma Naive Bayes Untuk Memprediksi Jumlah Siswa Berpotensi Drop Out (Study Kasus : SMK Negeri 2 Kotabumi Lampung Utara). Dari penerapan data mining tersebut dapat diketahuia bahwa data yang diolah dengan menggunakan Algoritma Naive Bayes dan menggunakan microsoft excel. Berdasarkan hasil dari penerapan aplikasi atau tools prediksi siswa drop out yang menggunakan Rapidminer 7.1 maka didapatkan hasil dari data nilai siswa yang di ambil pada SMK Negeri 2 Kotabumi Lampung Utara terdapat 1178 data nilai siswa dari tahun 2017 – 2020 di ketahui rata – rata 256 siswa tidak drop out dan 34 drop out pertahun dengan rata- rata accuracy 98,745% pertahun dan dengan rata – rata classification error 1,255% pertahun. Dan dalam pengujian 11 data testing mendapatkan hasil 10 siswa tidak drop out dan 1 data siswa salah dengan status tidak drop out menjadi drop out dengan tingkat accuracy 90,91% dan classification error 9,09 %.

Full text
Show more arrow
 
More from this journal
Aplikasi Kamus Bahasa Jepang Berbasis Mobile Android
Penerapan Finite State Automata pada Desain Vending Machine Masker dan Hand Sanitizer
🧐  Browse all from this journal

Metrics

  • Eye Icon 0 views
  • Download Icon 0 downloads
Metrics Icon 0 views  //  0 downloads