Perbandingan Akurasi Naïve Bayes dan K-Nearest Neighbor pada Klasifikasi untuk Meramalkan Status Pekerjaan Alumni ITB STIKOM Bali
Article Sidebar
Main Article Content
Abstract
Tujuan utama setiap alumni setelah lulus di perguruan tinggi adalah mendapatkan pekerjaan. Setiap alumni tentu memiliki rentang waktu yang berbeda untuk mendapatkan pekerjaan setelah lulus, maka dari itu diperlukan metode untuk memprediksi seberapa lama waktu yang diperlukan oleh alumni dalam mendapatkan pekerjaan setelah lulus. Dalam penelitian ini dilakukan perbandingan metode antara Naïve Bayes dan K-Nearest Neighbor dengan nilai K = 3, 5, 7, dan 9. Parameter yang digunakan sebagai acuan prediksi rentang waktu dalam mendapatkan pekerjaan adalah masa studi, jenis kelamin, dan IPK terakhir. Prediksi yang dihasilkan adalah berupa keterangan cepat yang berarti tiga bulan ke bawah dan lama yang berarti di atas tiga bulan. Data yang digunakan sebanyak 1669, dimana 80% atau 1335 sebagai data training dan 20% ata 334 sebagai data testing. Hasil yang diperoleh adalah Naïve Bayes memiliki akurasi dan MAPE yang lebih baik yaitu 83.83% dan 16.17%, dibandingkan dengan K-Nearest Neighbor dengan nilai K terbaik yaitu 9 yang memiliki akurasi 82.34% dan MAPE 17.66%. Berdasarkan ketentuan rentang nilai MAPE, baik Naïve Bayes dan K-Nearest Neighbor dengan nilai K=9 memiliki arti bahwa metode tersebut baik dalam kasus ini, namun Naïve Bayes sedikit lebih baik.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Sistem dan Informatika (JSI) bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di JSI setuju dengan ketentuan berikut:- JSI menggunakan perjanjian lisensi ekslusif, yaitu penulis memegang hak cipta atas artikel dan memberikan hak publikasi kepada Jurnal Sistem dan Informatika (JSI).
- JSI mempunyai hak ekslusif untuk mempublikasi dan mendistribusikan artikel secara sebagian atau keseluruhan, dan memberikan hak kepada orang lain sesuai dengan lisensi yang digunakan.
- JSI berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
- JSI berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.
- Artikel harus dirujuk, link terhadap lisensi harus disediakan, dan jika terdapat bagian artikel yang diubah harus ditandai.
- Jika artikel disadur sehingga terdapat perubahan, hasil saduran harus didistribusikan menggunakan lisensi yang sama.
- Tidak diperkenankan untuk membatasi orang lain terhadap apa yang diperbolehkan oleh lisensi.
References
Zulfikar Adi Nugroho dan Riza Arifudin, “Sistem Informasi Tracer Study Alumni Universitas Negeri Semarang dengan Aplikasi Digital Mapsâ€, Scientific Journal of Informatics, Vol.1 No.2, pp. 153-160, 2014.
ITB STIKOM Bali. (2018, Oktober 29). Home. Retrieved Maret 27, 2019, From Stikom-Bali.Ac.Id: Https://Stikom-Bali.Ac.Id/Act/?Start=64
Riyan Eko Putri, Suparti, dan Rita Rahmawati, “Perbandingan Metode Klasifikasi Naïve Bayes Dan K-Nearest Neighbor Pada Analisis Data Status Kerja Di Kabupaten Demak Tahun 2012â€, Jurnal Gaussian, Vol.3 No.4, pp. 831-838, 2014.
Henny Leidiyana, “Penerapan Metode K-Nearest Neighbor Pada Penentuan Grade Dealer Sepeda Motorâ€, Jurnal Ilmu Pengetahuan dan teknologi Komputer, Vol.2 No.2, pp. 108-112, 2017.
Diana Laily Fithri dan Eko Darmanto, “Sistem Pendukung Keputusan Untuk Memprediksi Kelulusan Mahasiswa Menggunakan Metode Naïve Bayes†pada SNATIF Ke-1, Fakultas Teknik – Universitas Maria Kudus, 2014, pp. 319-324.
M. Azman Maricar, Putu Widiadnyana, Wayan Arta Wijaya, “Analysis of Data Mining for Forecasting Total Goods Delivery with Moving Average Methodâ€, International Journal of Engineering and Emerging Technology, Vol. 2 No. 1, pp. 7-10, 2017.
David Hartanto Kamagi dan Seng Hansun, “Implementasi Data Mining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswaâ€, ULTIMATICS, Vol. 6 No. 1, pp. 15-20, 2014.
Dinda Ayu Muthia, “Opinion Mining Pada Review Buku Menggunakan Algoritma Naive Bayesâ€, Jurnal Teknik Komputer AMIK BSI, Vol.2 No.1, pp. 1-8, 2016.
Syahfitri Kartika Lidya, Opim Salim Sitompul, Syahril Efendi, “Sentiment Analysis Pada Teks Bahasa Indonesia Menggunakan Support Vector Machine (SVM) dan K-Nearest Neighbor (K-NN)â€, pada Seminar Nasional Teknologi Informasi dan Komunikasi (SENTIKA), Yoyakarta, 2015, pp. 1-8.
M. Azman Maricar, I Nyoman Satya Kumara, Made Sudarma, “Opinion Mining on Twitter Social Media to Classify Racism Using Combination of POS Tagging, Naive Bayes Classifier, and K-Nearest Neighborâ€, pada International Conference on Smart-Green Technology in Electrical and Information System, Bali, 2018, pp. 185-190.
