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

Herliyani Hasanah, Nugroho Arif Sudibyo, Edy Kurniawan

Abstract


SNMPTN merupakan salah satu jalur masuk perguruan tinggi negeri yang banyak diminati siswa karena hanya menggunakan parameter nilai raport, prestasi siswa, dan prestasi sekolah. Setiap jurusan mempunyai nilai diterima minimal yang berbeda-beda, besaran kuota yang ditetapkan LTMP 2019 minimal hanya 20% dari daya tampung program studi di setiap perguruan tinggi negeri. Besarnya minat siswa dan kecilnya jumlah kuota tidak sebanding sehingga menyebabkan persaingan diterima pada jalur ini semakin ketat. Namun, masih banyak siswa yang belum mempertimbangkan parameter tersebut saat mendaftar sehingga kemungkinan diterima pada jalur SNMPTN semakin kecil. Oleh karena itu diperlukan sebuah sistem yang dapat memprediksi kemungkinan diterimanya siswa pada jurusan SNMPTN berdasarkan atribut yang sudah ditentukan. Naïve Bayes diterapkan untuk mencari nilai probabilitas terbesar dalam setiap variabel yang ada. Variabel yang digunakan meliputi nilai rata-rata matematika, bahasa indonesia, dan bahasa inggris semester 1 sampai 5 serta prestasi siswa yang dilampirkan saat mendaftar dan prestasi sekolah. Hasilnya dengan naïve bayes mampu menghasilkan akurasi sebesar 83,3%.

Keywords


SNMPTN; klasifikasi; naïve bayes; probabilitas

Full Text:

PDF

Article Metrics

Abstract has been read : 1549 times
PDF file viewed/downloaded: 0 times


DOI: http://doi.org/10.25273/doubleclick.v4i1.6623

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 DoubleClick: Journal of Computer and Information Technology

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Indexed By.

 

   

   

 

Kantor Sekertariat:
Program Studi Informatika, Fakultas Teknik
Universitas PGRI Madiun
Jl. Auri No. 14-16  Kota Madiun 63118
E-mail :  doubleclick@unipma.ac.id
 
 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.

View My Stats