PERBANDINGAN METODE K-NEAREST NEIGHBOR DAN NAIVE BAYES UNTUK REKOMENDASI PENENTUAN MAHASISWA PENERIMA BEASISWA PADA UNIVERSITAS KUNINGAN

Aah Sumiah, Nita Mirantika

Abstract


ABSTRAK

Beberapa tahun terakhir, data semakin heterogen dan kompleks dengan volume yang meningkat cepat hingga diperkirakan akan mencapai 44 zettabyte di tahun 2020 (turner 2014). Hal ini sering disebut dengan Big data. Era Big data menghasilkan data yang menumpuk sehingga perlu dilakukan pengolahan untuk mencari knowladge dari tumpukan data tersebut menggunakan data mining. Penelitian ini merupakan penelitian lanjutan dari penelitian sebelumnya yang berjudul Implementasi data Mining untuk Rekomendasi Penentuan Mahasiswa Penerima Beasiswa menggunakan Metode Naive Bayes Studi Kasus Universitas Kuningan.

Pada penelitian ini mencoba membandingkan dua agoritma untuk mengetahui algortima mana yang paling cocok digunakan untuk rekomendasi penentuan mahasiswa penerima beasiswa pada universitas kuningan menggunakan algoritma K-Nearest Neighbor dan algoritma Naive Bayes. Metode ini di pilih karena kedua algoritma merupakan algoritma yang populer digunakan dalam proses pengklasifikasian data Hasil analisis data di implementasikan menjadi sebuah sistem informasi menggunakan visual basic.net dan sql server yang dapat digunakan oleh bagian akademik sebagai rekomendasi dalam proses seleksi penerimaan beasiswa.

Keyword : sistem informasi, data mining, beasiswa, naive bayes classifier, K-Nearest Neighbor, visual basic.net, sql server

ABSTRACT

In recent years, data has become increasingly heterogeneous and complex with volumes increasing rapidly until it is estimated to reach 44 zettabytes by 2020 (turner 2014). This is often referred to as Big Data. The era of Big Data generates data that is piling up, so it needs to be processed to find knowladge from the data stack using data mining. This research is a continuation of previous research entitled "Implementation of Mining Data for Recommendations for Determining Scholarship Recipients using the Naive Bayes Method of Case Study at Kuningan University".

In this study, trying to compare two agorithms to find out which algorithm is the most suitable for the recommendation of determining scholarship recipients at a brass university using the K-Nearest Neighbor algorithm and the Naive Bayes algorithm. This method was chosen because both algorithms are popular algorithms used in the process of classifying data.The results of data analysis are implemented into an information system using visual basic.net and SQL Server that can be used by the academic department as a recommendation in the selection process for scholarship acceptance.

Keywords: Information systems, data mining, scholarships, naive bayes classifier, K-Nearest Neighbor, visual basic.net, sql server


Keywords


sistem informasi; data mining; beasiswa; naive bayes classifier; K-Nearest Neighbor; visual basic.net; sql server; Information systems; scholarships;

References


. [Dahri 2016] Diasrina Dahri, Fahrul Agus, Dyna Marisa Khairina, Metode Naive Bayes Untuk Penentuan Penerima Beasiswa Bidikmisi Universitas Mulawarman , Jurnal Informatika Mulawarman Vol. 11, No. 2, September 2016 29 ISSN 1858-4853

. [Jogiyanto 2008] Prof. Jogiyanto HM, Akt, MBA, Ph.D, Metodologi Penelitian Sistem Informasi, Penerbit Andi, Yogyakarta 2008.

. [Kusrini 2009] Kusrini, dan Luthfi Emha Taufiq, Algoritma Data Mining, Penerbit Andi, Yogyakarta 2009

. [Larose 2005] Larose, Daniel T. Discovering Knowledge ind Data :An Introduction to Data Mining. John Willey & Sons.inc, 2005

. [Riyan 2014] Riyan Eko putri, suparti, Rita Rahmawati, Perbandingan Metode Klasifikasi Naive Bayes dan K-nearest Neighbor Pada Analisis data status Kerja di Kabupaten Demak tahun 2012 , Jurnal Gaussian Vol 3, nomor 4, Tahun 2014 ISSN:2339-2541.

. [Saleh 2015] Alfa Saleh, Implementasi Metode Klasifikasi Naive Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga , Citec Journal, Vol. 2, No. 3, Mei 2015 Juli 2015 ISSN: 2354-5771

. [Sulianta 2010] Sulianta, Feri dan Juju, Dominikus, Data Mining, Meramalkan Bisnis Perusahaan , Elex Media Komputindo, 2010

. [Suyanto 2017] Dr Suyanto, S.T., M.Sc., Data Mining untuk Klasisfikasi dan Klasterisasi Data, Informatika, 2017

. [Turban 2005] Turban, E.,dkk , Decision Support System And Intelegent System, Andi , Yogyakarta,2005




DOI: https://doi.org/10.25134/buffer.v6i1.2907

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Buffer Informatika


BUFFER INFORMATIKA : DEPARTMENT of INFORMATICS ENGINEERING
(print) p-ISSN :2527-4856 , (online)e-ISSN : 2614-5413
DOI :https://doi.org/10.25134/buffer.v5i2

Organized by Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia.

website : https://journal.uniku.ac.id/index.php/buffer
E-Mail : buffer.informatika@uniku.ac.id
Mailing : Jalan Cut Nyak Dhien No.36A Kuningan, Jawa Barat, Indonesia

Lisensi Creative Commons
BUFFER INFORMATIKA is licensed under a Lisensi Creative Commons Atribusi 4.0 Internasional.

StatCounter

View My Stats