creators_name:  RISKA APRILIA , 1217051061
creators_id: riskaaprilia26@gmail.com
type: other
datestamp: 2017-02-20 03:35:13
lastmod: 2017-02-20 03:35:13
metadata_visibility: show
title: PEMETAAN SEBARAN ASAL SISWA DAN KLASIFIKASI JARAK ASAL
SISWA SMA NEGERI DI KABUPATEN PRINGSEWU
MENGGUNAKAN METODE NAÏVE BAYES
ispublished: pub
subjects: Q
subjects: T1
full_text_status: restricted
abstract: 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.

date: 2017-02-02
publisher: FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
place_of_pub: UNIVERSITAS LAMPUNG
citation:    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.     
document_url: http://digilib.unila.ac.id/25624/1/ABSTRAK.pdf
document_url: http://digilib.unila.ac.id/25624/3/SKRIPSI%20FULL.pdf
document_url: http://digilib.unila.ac.id/25624/2/SKRIPSI%20TANPA%20BAB%20PEMBAHASAN.pdf