Algoritma Naive Bayes untuk Klasifikasi Sumber Belajar Berbasis Teks pada Mata Pelajaran Produktif di SMK Rumpun Teknologi Informasi dan Komunikasi

Abstract

<p>Salah satu komponen esensial dalam kegiatan pembelajaran di Sekolah Menengah Kejuruan Rumpun Teknologi Informasi dan Komunikasi (SMK TIK) adalah ketersediaan sumber belajar mata pelajaran produktif. Media internet atau online adalah sumber belajar yang berbentuk media elektronik yang dapat dimanfaatkan oleh siswa dan guru melalui jaringan internet. Salah satu bentuk media online adalah halaman web berformat .html (Hypertext Markup Language) yang berupa dokumen teks sangatlah banyak. Sehingga sumber belajar tersebut perlu di kelompokkan berdasarkan kriteria atau ciri esensial setiap mata pelajaran produktif di SMK TIK. Proses pengelompokkan menggunakan algoritma Naive Bayes karena algoritma tersebut dapat digunakan untuk dokumen teks dan menggunakan teorema Bayes dengan menganggap semua atribut saling tidak berhubungan. Tujuan penelitian ini adalah untuk mendeskripsikan hasil klasifikasi dan evaluasi kualitas klasifikasi sumber belajar berbasis teks dengan menggunakan Algoritma Naïve Bayes. Tahapan penelitian yang dilakukan adalah pengoleksian data set, pemrosesan awal dengan text mining, pembobotan Tf-Idf, pengklasifikasian Naïve Bayes, dan evaluasi akurasi. Pengklasifikasian teks menghasilkan sembilan kelompok mata pelajaran produktif dan pengujian menghasilkan nilai akurasi tertinggi 81,48%, sedangkan nilai akurasi terendah sebesar 79,63%.</p><p> </p><p><strong>Abstract</strong></p><p>The availability of learning resources for productive subjects is one of the essential components in learning activities for Vocational High Schools, especially for Information and Communication Technology competence field. Internet or online media is a learning resource in the form of electronic media that can be used by students and teachers through the internet. One form of online media is a web page formatted in .html (Hypertext Markup Language) in the form of very many text documents. So that learning resources need to be grouped based on the essential criteria or characteristics of each productive subject in Vocational High Schools. The grouping process uses the Naive Bayes algorithm because the algorithm can be used to text documents and use the Bayes theorem by assuming all attributes are mutually unrelated. The purpose of the study was to describe the results of the classification and classification quality evaluation of text-based learning sources using the Naïve Bayes Algorithm. The stages of the research carried out are collecting data sets, pre-processing with text mining, Tf-Idf weighting, Naïve Bayes classifying, and accuracy evaluation. Text classification results shows that there are nine productive subject groups and based on uji results shows that the highest accuracy value was 81,48%, while the lowest accuracy value was 79,63%.</p>

Implementasi Data Mining Klasifikasi Kepribadian Orang-Orang Menggunakan Algoritma Naïve Bayes

“…According to [3] the Naive Bayes algorithm, it is a simple probability-based prediction technique based on the application of Bayes' theorem (or Bayes' rule) assuming strong (naïve) independence of features. Also [4] The Naive Bayes algorithm is a classification algorithm that can be used for text documents. This classification algorithm uses the Bayes theorem which exists in probability theory by assuming all attributes are unrelated to each other.…”

Perbandingan Metode Klasifikasi Data Mining untuk Nasabah Bank Telemarketing

“…Penelitian [12] melakukan penelitian di SMK TIK dan membahas tentang klasifiasi sumber belajar mata pelajaran produktif dari media internet, penelitian tersebut melakukan klasifikasi berdasarkan kriteria ciri esensial setiap mata pelajaran produktif di SMK TIK, pengelompokkan dengan algoritma naive bayes yang digunakan untuk dokumen teks dan menganggap semua atribut tidak berhubungan. Dari kajian penelitian yang relevan, sehingga penulis menarik kesimpulan bahwa dari keterbaharuan penelitian ini yaitu pada penggunaan algoritma CART.…”

Data Mining untuk Nasabah Bank Telemarketing Menggunakan kombinasi Algoritm Naïve Bayes Dan Algoritma Genetik

“…Hasil diperoleh dari nilai fitness tertinggi, dan dilakukan 2 pengujian dengan jumlah partikel serta kombinasi parameter, jumlah partikel yang diuji 10 hingga 50 dengan pengujian 3 kali dengan hasil nilat rata-rata fitness tertinggi 97,39 dengan partikel 50, pada pengujian kombinasi parameter, membangkitkan nilai kombinasi dengan cara random dan diuji sebanyak 3 kali, dengan hail fitness 97,39 [8] Penelitian Admaja dwi herlambang , S. H. Wijoyo (2019) melakukan penelitian di SMK TIK dan membahas tentang klasifiasi sumber belajar mata pelajaran produktif dari media internet, penelitian tersebut melakukan klasifikasi berdasarkan kreteria ciri esensial setiap mata pelajaran produktif di SMK TIK, pengelompokkan dengan algoritma Naive Bayes yang digunakan untuk dokumen teks dan menganggap semua atribut tidak berhubungan, Tujuan penelitian ini adalah untuk mendeskripsikan hasil klasifikasi dan evaluasi kualitas klasifikasi sumber belajar berbasis teks dengan menggunakan algoritma Naïve Bayes dan pengujian menghasilkan nilai akurasi tertinggi 81,48%, sedangkan nilai akurasi terendah sebesar 79,63%. [9] Dari kajian relevan yang ada, terdapat perbedaan indicator Age, Kridit (Default), Housing, Loan, Marital, Education, Contact, Balance, Duration, Campaign, Pdays, Previous, Putcome, Job, Serta Label Yes atau no, dan kasus dengan penerapan algoritma Naïve Bayes, shingga penulis menarik kesimpulan bahwa dari penelitian yang ada Naïve Bayes merupakan metode yang cepat dalam melakukan perhitungan, agoritma yang sederhana dan akurasi yang tinggi namun memiliki kelemahan pada seleksi atribut sehingga peneliti ingin memperbaiki metode tersebut dengan menerapkan algoritma Genetika mampu menjadi seleksi fitur untuk meningkatkan hasil dari proses metode Naïve Bayes.…”