Implementasi Algoritma Naive Bayes Dalam Pemilihan Jurusan Snmptn 2022 Menggunkan Python (STUDI : SMAN 1 P.SIANTAR)

Agung Pambudi

Abstract


The more quotas from one senior high school to a state university, it shows that the high school is a quality indicator in creating prospective professional workers in the future. One of the national selection events in competing for higher education levels is the Selection of State Higher Education Entrance Points (SNMPTN). The Naive Bayes algorithm is implemented to help students take part in SNMPTN in selecting majors based on training data for SNMPTN 2021 alumni and testing data for SNMPTN 2022 students. Supporting tools which is used in this research is Jupyter Notebook with Python Programming Language.


References


Amril Mutoi Siregar, S.Kom, M.Kom , Adam Puspabhuana, S.Kom, M. K. (2017). DATA MINING Pengolahan Data Menjadi Informasi dengan Rapid Miner.pdf.

Aulia, R., Putri, I., Pudjiantoro, T. H., Informatika, T., Informatika, S., Jenderal, U., & Yani, A. (2020). Prediksi Perguruan Tinggi Negeri dengan Menggunakan Metode Naive Bayes. 106–111.

Buulolo, E. (2020). Data Mining Untuk Perguruan Tinggi (p. 91).

Dedi Setiabudidaya 20 Mei 2017. (n.d.).

Farandy, B. (2017). Eksplorasi Deep Learning DeepLDA Dalam Klasifikasi Judul Penelitian. 2–5.

Fay, D. L. (1967). Pengantar Data Mining. Angewandte Chemie International Edition, 6(11), 951–952.

Handoko, W., Iqbal, M., & Informasi, S. (2021). PREDIKSI PEMINATAN PROGRAM STUDI PADA PENERIMAAN. 4307(June), 231–235.

HARTAMA, D. (2011). MODEL ATURAN KETERHUBUNGAN DATA MAHASISWA MENGGUNAKAN ALGORITMA C 4.5 UNTUK MENINGKATKAN INDEKS PRESTASI. Angewandte Chemie International Edition, 6(11), 951–952., 5–24.

Hasanah, H., Sudibyo, N. A., & Kurniawan, E. (2020). Prediksi Jurusan pada Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) Menggunakan Metode Klasifikasi Naïve Bayes. DoubleClick: Journal of Computer and Information Technology, 4(1), 55. https://doi.org/10.25273/doubleclick.v4i1.6623

Muflikhah, L., Ratnawati, D. Ek., & Putri, R. R. M. (2018). Buku Ajar Data Mining (p. 182).

Nofriansyah, D., & Nurcahyo, G. W. (2019). Algoritma Data Mining Dan Pengujian. In Algoritma Data Mining dan Pengujian (pp. 1–3).

Prasetyowati, E. (2017). DATA MINING Pengelompokan Data untuk Informasi dan Evaluasi. In Duta Media (pp. 97–98). https://books.google.com.sg/books?id=rEH2DwAAQBAJ&dq=%22pengertian+data+mining%22&lr=&hl=id&source=gbs_navlinks_s

Qisthiano, M. R., Kurniawan, T. B., Negara, E. S., & Akbar, M. (2021). Pengembangan Model Untuk Prediksi Tingkat Kelulusan Mahasiswa Tepat Waktu dengan Metode Naïve Bayes. Jurnal Media Informatika Budidarma, 5, 987–994. https://doi.org/10.30865/mib.v5i3.3030

SURYA DARMA. (2021). KLASTERISASI TEKNIK PROMOSI DALAM MENINGKATKAN MUTU KAMPUS MENGGUNAKAN ALGORITMA K-MEDOIDS (STUDI KASUS DI AMIK DAN STIKOM TUNAS BANGSA PEMATANGSIANTAR) TESIS. 4(1), 6.

Sutoyo, E., & Almaarif, A. (2020). Educational Data Mining untuk Prediksi Kelulusan Mahasiswa Menggunakan Algoritme Naïve Bayes Classifier. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 4(1), 95–101. https://doi.org/10.29207/RESTI.V4I1.1502

Tes, L., & Perguruan, M. (2021). Perguruan Tinggi Negeri Tahun 2021. 2021.


Refbacks

  • There are currently no refbacks.


 

LPPM STIKOM Tunas Bangsa
https://tunasbangsa.ac.id/lp2m/
Organized by STIKOM Tunas Bangsa
Published by LPPM STIKOM Tunas Bangsa
W: https://skripsi.tunasbangsa.ac.id/index.php/2022

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0