PEMETAAN SEBARAN ASAL SISWA DAN KLASIFIKASI JARAK ASAL SISWA SMA NEGERI DI KABUPATEN PRINGSEWU MENGGUNAKAN METODE NAÏVE BAYES

RISKA APRILIA , 1217051061 (2017) PEMETAAN SEBARAN ASAL SISWA DAN KLASIFIKASI JARAK ASAL SISWA SMA NEGERI DI KABUPATEN PRINGSEWU MENGGUNAKAN METODE NAÏVE BAYES. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

[img]
Preview
Text
ABSTRAK.pdf

Download (28Kb) | Preview
[img] Text
SKRIPSI FULL.pdf
Restricted to Registered users only

Download (2312Kb)
[img]
Preview
Text
SKRIPSI TANPA BAB PEMBAHASAN.pdf

Download (1852Kb) | Preview

Abstrak

ABSTRAK Jarak siswa dapat diketahui dari data asal siswa yang tersimpan. Asal siswa yang berbeda-beda akan menghasilkan jarak yang berbeda pula. Penelitian ini dilakukan untuk mengetahui klasifikasi jarak asal siswa yang tersimpan di SMA negeri di Kabupaten Pringsewu. Jarak asal siswa diklasifikasikan untuk mendapatkan lima class/kategori yaitu sangat dekat, dekat, sedang, cukup jauh, dan jauh dengan menggunakan atribut nomor, SMA, kabupaten, kecamatan, kelurahan, jarak, asal SMP, dan class. Klasifikasi dilakukan dengan menggunakan metode Naive Bayes dengan menggunakan tool Weka. Pembagian data training dan data testing yang berbeda sebanyak 20 kali pengujian menghasilkan akurasi Naïve Bayes tertinggi yaitu 89.329% pada pembagian data training 60% dan data testing 40%. Data asal siswa dan informasi hasil klasifikasi ditampilkan dalam bentuk peta digital yaitu peta sebaran asal siswa SMA negeri di Kabupaten Pringsewu. Kata Kunci: Klasifikasi, Naïve Bayes, Jarak Siswa, Sebaran Siswa ABSTRACT Distance students can be seen from the data stored student's address. Address high school students in the Pringsewu District have different distances. This research was conducted to determine the classification of the distance stored in high school students in the Pringsewu District. Distance students are classified to obtain five categories: “sangat dekat”, “dekat”, “sedang”, “cukup jauh”, and “jauh” by using eight attributes are “nomor”, “SMA”, “kabupaten”, “kecamatan”, “kelurahan”, “jarak”, “asal SMP”, and “class”. The classification performed by using Naive Bayes using Weka tool. Distribution of training data and testing data is different as much as 20 times of testing, resulting in the highest accuracy Naïve Bayes is 89.329% on distribution of 60% training data : 40% testing data. The data of students address and information classification results displayed in the form of digital map that is mapping of student’s address in high school in the Pringsewu District. Keywords: Classification, Mapping Students, Naïve Bayes, Distance Students.

Tipe Karya Ilmiah: Skripsi
Subyek: Q Science (General)
Teknologi > Teknologi (General)
Teknologi > Teknologi (General)
Teknologi (General)
Program Studi: Fakultas MIPA > Prodi Ilmu Komputer
Depositing User: 2435269 . Digilib
Date Deposited: 20 Feb 2017 03:35
Last Modified: 20 Feb 2017 03:35
URI: http://digilib.unila.ac.id/id/eprint/25624

Actions (login required)

View Item View Item