Komparasi Metode Klasifikasi Algoritma C5.0 dan Naïve Bayes untuk Menentukan Jurusan Siswa

Abstract

Penentuan jurusan siswa yang diimplementasikan di SMAN 1 Gondanglegi berdasarkan tes potensi akademik (TPA), tes intelligence (IQ) dan wawancara. Penjurusan tersebut dilakukan setelah siswa melakukan pendaftaran atau sebelum siswa diterima sebagai kelas X. Beberapa metode data mining dalam penentuan atau prediksi jurusan yang telah dilakukan oleh peneliti terdahulu diantaranya algoritma C4.5, C5,0 dan naïve bayes serta dalam perbandingan yaitu algoritma ID3 dan C5.0 kemudian perbandingan naïve bayes dan decision tree. Yang mana dalam perbandingan antara metode algoritma C5.0 dan naïve bayes belum dilakukan. Dari permasalahan tersebut maka peneliti bertujuan untuk melakukan analisa perbandingan data mining menggunakan klasifikasi algoritma C5.0 dan naïve bayes dalam memprediksi jurusan siswa. Adapun metode data mining yang digunakan yaitu knowledge discovery in database (KDD). Berdasarkan hasil perbandingan pengujian yang telah dilakukan melalui berbagai skenario terhadap kedua metode tersebut, pengujian 10-fold cross validation yang kemudian dicatat dalam confusion matrix menghasilkan nilai akurasi yaitu sebesar 60,87% untuk algoritma C5.0 sedangkan untuk naïve bayes sebesar 56,52%. Dari hasil yang diperoleh algoritma C5.0 merupakan metode paling baik dibanding naïve bayes yang dibuktikan dengan nilai tingkat akurasi yang didapatkan lebih tinggi.

Accuracy Analysis of WP, AHP-WP, Entropy-Topsis Methods in Determining Majors

“…Then research related to the comparison of C5.0 and Naïve Bayes classification methods [9]. This research focuses on determining the majors of high school students.…”