SELEKSI PENERIMAAN BEASISWA BIDIKMISI DENGAN MENGGUNAKAN METODE NAIVE BAYES

Authors

  • Ferdinando Ginting Politeknik Caltex Riau
  • Warnia Nengsih Politeknik Caltex Riau
  • Sugeng Purwantoro Politeknik Caltex Riau

Abstract

Beasiswa merupakan salah satu cara pemerintah membantu seseorang yang ingin belajar agar menyelesaikan pendidikan yang akan di tempuh. Salah satunya adalah beasiswa BidikMisi, Bidikmisi adalah program bantuan biaya pendidikan kurang mampuĀ  yang diberikan oleh pemerintah, namun permasalahan yang sering terjadi adalah kesulitan dalam menentukan mahasiswa yang tepat menerima beasiswa. Oleh karena itu, dibutuhkan sebuah sistem yang mampu melakukan proses penentuan kelayakan penerimaan beasiswa bidikmisi. Permasalahan ini dapat diselesaikan dengan menerapkan metode naive bayes. Pada penelitian ini dilakukan pengujian dengan confusion matrix dan UAT(User Acceptance Test) serta confusion matrix dengan akurasinya mencapai 85,5% dan hasil pengujian uat dapat dianalisa bahwa sistem telah mampu memenuhi kebutuhan admin serta hasil sistem yang dibuat dapat digunakan untuk mengeleksi peserta beasiswa bidikmisi.Kata Kunci: naive bayes, beasiswa bidikmisi, confusion matrix, UAT

Author Biographies

Ferdinando Ginting, Politeknik Caltex Riau

Teknik Informatika

Warnia Nengsih, Politeknik Caltex Riau

Sistem Informasi

Sugeng Purwantoro, Politeknik Caltex Riau

Teknik Komputer

References

Callum & Nigam (t.t). A Comparison of Event Models for Naive Bayes Text Classification

Cheeseman, P., & Stutz, J. (1996). Bayesian classification (AutoClass): Theory and results. In Advances in knowledge discovery and data mining.

Dikti, Ditjen. (2015). Pedoman Penyelenggaraan Bantuan Biaya Pendidikan Bidikmisi Tahun 2015. Jakarta.

Dewi, Yunita & Indrawati(t.t). Rancang Bangun Sistem Pendukung Keputusan Penerimaan Beasiswa Menggunakan Metode Naive Bayes Classifier

Feldman, R., Sanger, J. (2006). The Text Mining Handbook:Advanced Approach in Analyzing Unstructure Data.

Garg, Bandana. (2013). Design and Development of Naive Bayes Classifier. North Dakota State University of Agriculture and Applied Science.

Gorunesc, Florin. (2011). Data Mining: Concepts, Models and Techniques, Springer.

Han, Jiawei, Kamber, Micheline & Pei, Jian. (2012). Data Mining: Concepts and Techniques ( ed.). USA: Elsevier Inc.

Yuliana. (2013). Sistem Pengelolaan Proyek Akhir Menggunakan Text Mining Pada Politeknik Caltex Riau. Tugas Akhir D4 Politeknik Caltex Riau. Riau: Pekanbaru.

Han, Jiawei, & Kamber, Micheline. (2006). Data Mining: Concepts and Techniques( ed.). San Francisco: Elsevier Inc.

Indranandita, Susanto & Rachmat (2008). Sistem Klasifikasi dan Pencarian Jurnal Dengan Menggunakan Metode Naive Bayes Dan Vector

Kao, A., Poteet, S.R. (2007). Natural Language Processing and Text Mining. United States of America:Springer.

Larose, Daniel T. (2005). Discovering Knowledge in Data : An Introduction to Data mining, Wiley-Interscience A John Wiley & Sons,Inc

Larose, Daniel T. (2006). Data Mining Methods and Models

Liwei (2010). Independent Component Analysis For Naive Bayes Classification

Lowd dan Domingos (t.t). Naive Bayes Models for Probability Estimation

Mitchell, Tom (2015). Generative and discriminative classifiers naive bayes and logistic regression

Murphy, Kevin (2006). Naive Bayes classifiers

.

Published

2017-12-18

Issue

Section

Artikel