%A 1817031058 Shavira Zhalsabilla
%T Integrasi Algoritma Klusterisasi K-means dan Klasifikasi Naive Bayes pada Pengelompokkan Jumlah Sekolah, Murid, dan Guru di Provinsi Jawa Barat
%X Data Mining adalah proses mengekstraksi pola dan informasi yang berguna dari sebuah kumpulan data. Namun, seiring berkembangnya teknologi, sebagian besar pengumpulan data terhambat karena ketidaklengkapan label yang ada dalam data. Untuk mendapatkan label ini dibutuhkan sumber daya yang besar, sehingga untuk mengatasinya diterapkan penggabungan atau integrasi teknik klusterisasi dan klasifikasi pada data mining. Klusterisasi ini memberikan keuntungan atas teknik klasifikasi yaitu membantu mengidentifikasi kelompok data yang memiliki kesamaan karakteristik, dan juga meningkatkan akurasi pada model klasifikasi. Pada penelitian ini dilakukan penggabungan algoritma klusterisasi K-means dan klasifikasi Naive Bayes pada pengelompokkan jumlah sekolah, murid, dan guru di Provinsi Jawa Barat tahun 2016-2020. Penelitian ini bertujuan untuk mengelompokkan kota/kabupaten di Provinsi Jawa Barat menjadi beberapa kluster menggunakan algoritma klusterisasi K-means dan mengklasifikasikannya menggunakan algoritma klasifikasi Naive Bayes.  Berdasarkan hasil pengujian yang dilakukan, didapat jumlah kluster yang optimal sebanyak 4 kluster dan menghasilkan akurasi tertinggi sebesar 97.50% dan error rate 0.025.
%D 2022
%C Universitas Lampung
%R 1817031058
%I Fakultas Matematika dan Ilmu Pengetahuan Alam
%L eprints65189