Implementasi Orange Untuk Klasifikasi Kepribadian Siswa-Siswi SMAN 79 Jakarta Dengan Model Random Forest dan Naive Bayes
Keywords:
Kepribadian, Klasifikasi, Random Forest, Naive BayesAbstract
Proses pemantauan dan evaluasi terhadap kepribadian siswa-siswi SMAN 79 Jakarta sangat diperlukan, karena akan sangat memudahkan sekolah dalam membentuk karakter peserta didik. Hal tersebut diimplementasikan dalam bentuk pelatihan analisis kepribadian. Hasil analisis inilah yang digunakan sekolah untuk mengklasifikasikan kepribadian peserta didik. Data mining bisa digunakan untuk proses klasifikasi tersebut. Penelitian ini bertujuan untuk menerapkan aplikasi orange data mining dengan menggunakan model Random Forest dan Naive Bayes yang selanjutnya akan dilakukan evaluasi akurasi dari masing-masing model tersebut. Hasil dari penelitian ini adalah model Random Forest memiliki nilai accuracy 95%, precision 95% dan recall 95% sedangkan Naive Bayes memiliki nilai accuracy 75%, precision 88% dan recall 75%. Dari kedua model tersebut menunjukkan bahwa model Random Forest lebih baik dibandingkan dengan model Naive Bayes dalam melakukan klasifikasi analisis kepribadian siswa-siswi SMAN SMAN 79 Jakarta.References
[1] Supraptiningrum, & Agustini. (2015). Membangun Karakter Siswa Melalui Budaya Sekolah Di Sekolah Dasar. Jurnal Pendidikan Karakter (2), 219–228. https://journal.uny.ac.id/index.php/jpka/article/view/8625/7118
[2] P. Septian, S. Agung Ferdinan dan A. Aulia Ar Rakhman, “Perancangan Sistem Analisis Karakter Siswa-Siswi SMAN 79 Jakarta Berbasis Javaâ€, JUPTI Vol 1 No. 3 September (2022)570–578. https://ejurnal.stie-trianandra.ac.id/index.php/jupti/article/view/597/428
[3] W. Apriliah, I. Kurniawan, M. Baydhowi, and T. Haryati, “Prediksi Kemungkinan Diabetes pada Tahap Awal Menggunakan Algoritma Klasifikasi Random Forest,†Sistemasi, Vol. 10, No. 1, p. 163, 2021, doi: 10.32520/stmsi.v10i1.1129.
[4] D. Tuhenay, “Perbandingan Klasifikasi Bahasa Menggunakan Metode Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM),†JIKO (Jurnal Inform. dan Komputer), Vol. 4, No. 2, pp. 105–111, 2021, doi: 10.33387/jiko.v4i2.2958.
[5] Alkhairi, P., & Windarto, A. P. (2019). Penerapan K-Means Cluster pada Daerah Potensi Pertanian Karet Produktif di Sumatera Utara. Seminar Nasional Teknologi Komputer & Sains, 762–767.
[6] B. Irwan, Muliadi & R. Retma, “Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggiâ€, Jurnal Jupiter Vol. 7 No. 1 ,April 2015, 39-50.
[7] Hoziri, Anwari & Alim Syariful, “Implementasi Orange Data Mining Untuk Klasifikasi Kelulusan Mahasiswa Dengan Model K-Nearest Neighbor, Decision Tree Serta Naive Bayesâ€, Jurnal Ilmiah NERO Vol. 6 No. 2, 133-144.
[8] S. Riki, G. Windu, A. Fauzi & M. Nurlaelatul, “Penerapan Algoritma Random Forest Untuk Menentukan Kualitas Anggur Merahâ€, Vol.13, No.2, Desember 2020, pp. 67 – 75.
[9] Bustami, “Penerapan Algoritma Naive Bayes Untuk Nasabah Asuransi,†J. Inform., vol. 8, no. 1, pp. 884–898, 2014.
[10] R. Puspita and A. Widodo, “Perbandingan Metode KNN, Decision Tree, dan Naive Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS,†J. Inform. Univ. Pamulang, vol.5, no. 4, p. 646, 2021.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Septian Pratama
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
