ALGORITMA NAIVE BAYES UNTUK MENINGKATKAN MODEL KLASIFIKASI PENERIMA PROGRAM INDONESIA PINTAR DI SDN 2 PURWAWINANGUN
DOI:
https://doi.org/10.23960/jitet.v13i1.5882Abstract Views: 175 File Views: 207
Abstract
Penelitian ini bertujuan meningkatkan keakuratan klasifikasi penerima Program Indonesia Pintar (PIP) di SDN 2 Purwawinangun, Kabupaten Kuningan. Metode yang lambat dan kurang akurat digantikan dengan algoritma Naive Bayes untuk menganalisis data siswa berdasarkan kriteria tertentu. Proses penelitian meliputi pengumpulan data sekunder, preprocessing data, dan implementasi algoritma Naive Bayes. Hasilnya, model ini mencapai akurasi 96,47% dalam menentukan kelayakan penerima PIP, dengan mempertimbangkan atribut seperti latar belakang sosial ekonomi dan kinerja akademik siswa. Temuan menunjukkan bahwa algoritma ini efisien dalam mengolah dataset kompleks dibandingkan metode manual. Namun, kinerja model sangat bergantung pada kualitas data awal, sehingga data yang tidak lengkap dapat mempengaruhi hasil.Penelitian merekomendasikan penerapan metode ini di sekolah lain dan integrasi algoritma tambahan, seperti Decision Tree, untuk validasi hasil. Dengan pendekatan ini, seleksi penerima PIP menjadi lebih tepat sasaran, efisien, dan transparan.Downloads
References
D. Pradana and E. Sugiharti, “Implementation data mining with naive bayes classifier method and laplace smoothing to predict students learning results,” Recursive J. Informatics, vol. 1, no. 1, pp. 1–8, 2023, doi: 10.15294/rji.v1i1.63964.
D. Utami and P. Devi, “Klasifikasi kelayakan penerima bantuan program keluarga harapan (pkh) menggunakan metode weighted naïve bayes dengan laplace smoothing,” Jipi (Jurnal Ilm. Penelit. Dan Pembelajaran Inform., vol. 7, no. 4, pp. 1373–1384, 2022, doi: 10.29100/jipi.v7i4.3592.
Y. Religia, G. Pranoto, and I. Suwancita, “Analysis of the use of particle swarm optimization on naïve bayes for classification of credit bank applications,” Jisa(jurnal Inform. Dan Sains), vol. 4, no. 2, pp. 133–137, 2021, doi: 10.31326/jisa.v4i2.946.
P. Luthfy, “Perencanaan engineering design process pada pembelajaran outdoor di paud,” J. Obs. J. Pendidik. Anak Usia Dini, vol. 7, no. 6, pp. 7397–7408, 2023, doi: 10.31004/obsesi.v7i6.5561.
R. Pahlevi, “Penerapan metode naive bayes untuk menentukan klasifikasi kelayakan penerimaan bantuan rehabilitasi dan pembangunan sekolah pada dinas pendidikan dan kebudayaan kabupaten banyuasin,” J. Teknol. Inform. Dan Komput., vol. 9, no. 2, pp. 1176–1188, 2023, doi: 10.37012/jtik.v9i2.1790.
U. Pujianto and P. Y. Ristanti, “Perbandingan kinerja metode C4.5 dan Naive Bayes dalam klasifikasi artikel jurnal PGSD berdasarkan mata pelajaran,” Tekno, vol. 29, no. 1, p. 50, 2019, doi: 10.17977/um034v29i1p50-67.
V. Lestari, R. Arianto, B. Anindito, Y. Taramita, E. Amalia, and O. Triswidrananta, “Aplikasi pembelajaran rekonstruksi algoritma pseudocode dengan pendekatan element fill-in-blank problems di pemrograman java,” J. Tek. Ilmu Dan Apl., vol. 3, no. 2, pp. 153–161, 2022, doi: 10.33795/jtia.v3i1.108.
W. Chandrawati, “Pengembangan e-learning berbasis media interaktif smart apps creator terhadap motivasi belajar siswa smp empat lima 2 kedungpring pada pelajaran informatika,” Jiip - J. Ilm. Ilmu Pendidik., vol. 6, no. 11, pp. 9146–9154, 2023, doi: 10.54371/jiip.v6i11.2941.
S. Maarif, N. Muna, and M. Darmawan, “Pengembangan entrepreneurship di kalangan pelajar,” JMK (Jurnal Manaj. Dan Kewirausahaan), vol. 8, no. 1, p. 53, 2023, doi: 10.32503/jmk.v8i1.3170.
L. Chen, P. Chen, and Z. Lin, “Artificial intelligence in education: a review,” IEEE Access, vol. 8, 2020, doi: 10.1109/access.2020.2988510.
N. Imanda, M. Teknologi, I. Universitas, and K. Lhokseumawe, “PENERAPAN ALGORIMA NAIVE BAYES PADA,” vol. 12, no. 3, 2024.
M. A. Sembiring et al., “Penerapan Naïve Bayes Untuk Mengetahui Status Gizi Balita,” J. Sci. Soc. Res., vol. 4307, no. 2, pp. 565–570, 2023, [Online]. Available: http://jurnal.goretanpena.com/index.php/JSSR
H. Bichri, A. Chergui, and M. Hain, “Investigating the Impact of Train / Test Split Ratio on the Performance of Pre-Trained Models with Custom Datasets,” Int. J. Adv. Comput. Sci. Appl., vol. 15, no. 2, pp. 331–339, 2024, doi: 10.14569/IJACSA.2024.0150235.
