Prediksi Jurusan pada Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) Menggunakan Metode Klasifikasi Naïve Bayes

Hasanah, Herliyani; Sudibyo, Nugroho Arif; Kurniawan, Edy

doi:10.25273/doubleclick.v4i1.6623

Cited by 2 publications

(2 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Banyak jalur yang bisa dilalui menuju PTN, salah satunya adalah jalur Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) yaitu salah satu jalur masuk PTN tanpa tes atau seleksi berdasarkan nilai raport. Persentase kuota pada tahun 2019 ditetapkan oleh Lembaga Tes Masuk Perguruan Tinggi (LTMPT) sebesar minimal 20% dari besaran kuota daya tampung setiap prodi di PTN [3] dan tidak dapat ditentukan passing grade setiap PTN sehingga kemungkinan untuk bisa masuk PTN melalui SNMPTN tidak diketahui.…”

Section: Gambar 1 Jumlah Pendaftar Snmptn Meningkat 2022unclassified

Prediksi Penerimaan SNMPTN Menggunakan Algoritma C4.5 Dan Naive Bayes

Purnamasari,

Suryani

2024

MelekIT

View full text Add to dashboard Cite

School is a formal education unit where teachers teach various disciplines which aim to make students become superior human beings. Education is important for humans. In general, people in Indonesia want their sons and daughters to be able to get an education at State Universities (PTN). There are many paths that can be taken to PTN, one of which is the National Selection for State University Entrance (SNMPTN) which is the PTN entrance route without a test or selection of report cards. However, the quota for acceptance of PTN through the SNMPTN pathway is at least 20% and the passing grade of each PTN cannot be determined so that the possibility of being accepted into PTN through the SNMPTN route is unknown. Therefore, to be able to predict students who can be accepted into PTN through the SNMPTN path, predictions of SNMPTN acceptance are made using classification data mining with the C4.5 and Naive Bayes algorithm. The goal is that with students knowing the possibility of being accepted into PTN through the SNMPTN pathway, it is hoped that more students can be accepted by PTN through the SNMPTN pathway. This study shows that the prediction of PTN acceptance through the SNMPTN path using data mining classification with the C4.5 algorithm produces a much higher accuracy of 85,09% and the AUC value 0,873, while the Naive Bayes algorithm produces an accuracy of 63,01% and the AUC value.

show abstract

Section: Gambar 1 Jumlah Pendaftar Snmptn Meningkat 2022unclassified

Prediksi Penerimaan SNMPTN Menggunakan Algoritma C4.5 Dan Naive Bayes

Purnamasari,

Suryani

2024

MelekIT

View full text Add to dashboard Cite

show abstract

“…Dalam penelitian Hasanah, Sudiboyo dan Kurniawan [9], Naïve Bayes diterapkan untuk mencari nilai probabilitas terbesar pada setiap variabel. Variabel yang digunakan meliputi nilai rata-rata dari matematika, bahasa Indonesia, dan bahasa Inggris semester 1 s/d 5 serta prestasi siswa yang dilampirkan saat mendaftar dan prestasi sekolah.…”

Section: P-issn : 2443-2210unclassified

Perbandingan Akurasi Model Pembelajaran Mesin untuk Prediksi Seleksi Masuk Perguruan Tinggi Negeri

Wardana,

Ayub,

Widjaja

2023

JuTISI

View full text Add to dashboard Cite

Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) masih menjadi salah satu jalur favorit bagi siswa SMA untuk melanjutkan pendidikan di Perguruan Tinggi Negeri (PTN). SNMPTN menggunakan nilai rapor semester 1 sampai dengan 5 untuk 6 mata pelajaran yang diinput di Pangkalan Data Sekolah dan Siswa (PDSS). Prediksi SNMPTN dapat dilakukan menggunakan model pembelajaran mesin dengan berbagai macam metode. Penelitian ini bertujuan untuk membuat model prediksi dengan menggunakan metode Decision Tree CART, Gaussian Naïve Bayes dan Logistic Regression, melakukan prediksi dan membandingkan tingkat akurasi dari model yang dibuat. Metodologi yang digunakan dalam penelitian ini adalah Knowledge Discovery in Database (KDD). Ini untuk mendapatkan pengetahuan yang berguna dari data. Dataset yang digunakan merupakan data nilai 6 mata pelajaran selama 5 semester dari angkatan 2015 hingga 2022. Evaluasi model menggunakan Split Percentage Method dan K-Fold Cross Validation. Hasil menunjukkan, skor akurasi untuk 3 model yang dibuat berbeda. Logistic Regression memiliki skor 0,82, diikuti oleh Decision Tree CART dengan skor 0,75 dan terakhir adalah Gaussian Naïve Bayes dengan skor 0,70. Hipotesis yang diajukan oleh peneliti sesuai dengan hasil yang didapatkan, bahwa model Logistic Regression memiliki skor akurasi lebih tinggi. Secara matematis, Logistic Regression tidak terlalu rumit jika dibandingkan dengan model lainnya. Untuk mendapatkan model yang sesuai dengan kebutuhan harus melibatkan iterasi melalui proses machine learning dan mencoba berbagai macam variasi.

show abstract

Prediksi Jurusan pada Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) Menggunakan Metode Klasifikasi Naïve Bayes

Cited by 2 publications

References 0 publications

Prediksi Penerimaan SNMPTN Menggunakan Algoritma C4.5 Dan Naive Bayes

Prediksi Penerimaan SNMPTN Menggunakan Algoritma C4.5 Dan Naive Bayes

Perbandingan Akurasi Model Pembelajaran Mesin untuk Prediksi Seleksi Masuk Perguruan Tinggi Negeri

Contact Info

Product

Resources

About