Perbandingan Dan Analisis Metode Klasifikasi Untuk Menentukan Konsentrasi Jurusan

Hidayanti, Indah; Kurniawan, Tri Basuki; Afriyudi, Afriyudi

doi:10.36982/jig.v11i1.1067

Cited by 7 publications

(9 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Analisis sentimen adalah studi untuk menganalisis positif atau pendapat negatif yang diungkapkan oleh pengguna pada media sosial seperti Facebook, Twitter, atau dalam data sosial [4]. Data mining merupakan suatu proses yang bertujuan untuk mencari informasi atau pola pada data yang sudah dipilih dengan menggunakan metode tertentu [5]. Terdapat beberapa model atau fungsi pada data mining yaitu association rule mining, classification, feature selection, dan clustering [6].…”

Section: Pendahuluanunclassified

Analisis Sentimen Vaksinasi Booster Berdasarkan Twitter Menggunakan Algoritma Naïve Bayes dan K-NN

Rozaqi

Triayudi

Aldisa

2022

json

View full text Add to dashboard Cite

Covid-19 or the corona virus has spread throughout the world, one of which is Indonesia. There have been many problems due to this virus for 2 years in Indonesia, and various efforts and policies have been made by the government to control the impact that does not become worse by this corona virus, these efforts are vaccination actions against the Indonesian people, and in early 2022 the government started a new program, namely booster vaccination. Many people are pro and contra to the program on social media Twitter. This study was conducted with the aim of knowing the sentiment of Indonesians towards booster vaccination in Indonesia.The data obtained as many as 2000 tweets obtained from the keyword "booster vaccine" on Twitter. Then the data is divided into training data and test data (training) then made into three different portions, namely 60/40, 70/30, and 80/20. The test results are that the best performance is found in testing a portion of 80% of the training data 20% of the test data using the K-NN algorithm, the test produced the highest value results, namely 78.62% accuracy and AUC 0.845 and categorized as good classification. The results show that the K-NN algorithm model with an 80% portion of training data is the best in the classification of booster vaccination sentiment analysis. The sentiment results in the test data were positive with 303 tweet data and negative sentiment totaled 93 tweet data. The results of more positive sentiments show that booster vaccinations in Indonesia are acceptable and get a lot of support from the Indonesian people on social media Twitter.

show abstract

Section: Pendahuluanunclassified

Analisis Sentimen Vaksinasi Booster Berdasarkan Twitter Menggunakan Algoritma Naïve Bayes dan K-NN

Rozaqi

Triayudi

Aldisa

2022

json

View full text Add to dashboard Cite

show abstract

“…Studi mengenai perbandingan algoritma klasifikasi telah banyak dilakukan. Salah satunya oleh I. Hidayanti dkk [5] untuk menetukan konsentrasi Jurusan mahasiswa di Universitas Bina Darma Palembang. Menggunakan data alumni mahasiswa Teknik Informatika peneliti membandingkan Algoritma C4.5 dan naive bayes yang menghasilkan kinerja akurasi C4.5 sebesar 48,06 % dan naive bayes sebesar 42,79%.…”

Section: Pendahuluanunclassified

“…Hasil pola minat studi mahasiswa pada penelitian ini sekaligus menjadi gap dengan penelitian sebelumnya [5][6] [16], yakni pada penerapan operator Optimize Selection. Hasil pencarian atribut dominan ini digunakan untuk membuat pola minat studi mahasiswa baru di STMIK IKMI Cirebon.…”

Section: Gambar 7 Grafik Probabilitas Jenis Sekolah Terhadap Minat Studiunclassified

Komparasi Algoritma Klasifikasi Data Mining Menggunakan Optimize Selection untuk Peminatan Program Studi

Anam¹,

Nurhakim²,

Juliane³

2022

bits

View full text Add to dashboard Cite

The selection of a study program is a unique opportunity for a student. STMIK IKMI Cirebon is now a KIP Kuliah provider, offering three study program. The research problem is the unavailability of a model of student interest in the study program, so it is necessary to carry out an interest in the study program by applying an algorithm to the classification model. The algorithm used as a comparison is the Decision Tree algorithm (C4.5), Naive Bayes, k-Nearest Neighbor and Support Vector Machine. The classification model applies the Optimize Selection operator by looking for the dominant attribute in its influence on the specialization of the student study program. Finally, the comparison model will be tested by parametric t-test in order to test the significance of the algorithm. The results of the algorithm accuracy test obtained that the SVM algorithm has the best accuracy with a value of 80.76%. While the algorithm with the lowest accuracy is Naive Bayes with a value of 74.64%. While the other two algorithms have a sequential accuracy rate of 80.47% for Decision Tree and 76.09% for k-NN. The results of this study are used to classify study preference for students in STMIK IKMI Cirebon which is useful for predicting study interest based on the background of students

show abstract

“…Naïve bayes dalam [3] adalah metode klasifikasi berdasarkan Teorema Bayes. Metode klasifikasi ini menggunakan metode probabilistik dan statistik yang dikenalkan pertama kali oleh seorang ilmuwan Inggris bernama Thomas Bayes, yakni metode untuk memprediksi peristiwa masa depan berdasarkan pengalaman masa lalu.…”

Section: Pendahuluanunclassified

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

Zainuri

Fahmi

Hamdhana

2022

JUSIFOR

View full text Add to dashboard Cite

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.

show abstract

Perbandingan Dan Analisis Metode Klasifikasi Untuk Menentukan Konsentrasi Jurusan

Cited by 7 publications

References 0 publications

Analisis Sentimen Vaksinasi Booster Berdasarkan Twitter Menggunakan Algoritma Naïve Bayes dan K-NN

Analisis Sentimen Vaksinasi Booster Berdasarkan Twitter Menggunakan Algoritma Naïve Bayes dan K-NN

Komparasi Algoritma Klasifikasi Data Mining Menggunakan Optimize Selection untuk Peminatan Program Studi

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

Contact Info

Product

Resources

About