Pengembangan Sistem Prediksi Penjurusan Kelas Siswa Menggunakan Kombinasi Algoritma Naive Bayes dan K-Medoid (Studi Kasus: SMA Laboratorium Undiksha)

Hariyanti, Devi Dwi (2020) Pengembangan Sistem Prediksi Penjurusan Kelas Siswa Menggunakan Kombinasi Algoritma Naive Bayes dan K-Medoid (Studi Kasus: SMA Laboratorium Undiksha). Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
1515051059-COVER.pdf
Download (755kB)
[img] Text (ABSTRAK)
1515051059-ABSTRAK.pdf
Download (208kB)
[img] Text (BAB 1 PENDAHULUAN)
1515051059-BAB 1 PENDAHULUAN.pdf
Download (334kB)
[img] Text (BAB 2 KAJIAN TEORI)
1515051059-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (616kB) | Request a copy
[img] Text (BAB 3 METODOLOGI PENELITIAN)
1515051059-BAB 3 METODOLOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (410kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
1515051059-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (6MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
1515051059-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (210kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
1515051059-DAFTAR PUSTAKA.pdf
Download (433kB)
[img] Text (LAMPIRAN)
1515051059-LAMPIRAN.pdf
Download (1MB)

Abstract

Penjurusan merupakan suatu proses penempatan atau penyaluran dalam pemilihan program pengajaran kepada siswa. Tujuan dari penentuan penjurusan itu sendiri adalah agar kelak dikemudian hari pelajaran yang diberikan kepada siswa lebih terarah. SMA Laboratorium Undiksha memiliki permasalahan dalam penentuan penjurusan dan pembagian kelas siswa. Proses penentuan jurusan membutuhkan waktu yang cukup lama, masih menggunakan perhitungan manual di excel dalam menentukan penjurusan siswa. Permasalahan tersebut dapat diatasi dengan Pengembangan Sistem Prediksi Penjurusan Kelas Siswa Menggunakan Kombinasi Metode Naive Bayes Dan K-Medoid. Ada 22 kriteria yang digunakan dalam penentuan jurusan kelas siswa yaitu, jenis kelamin, nilai raport semester 3 sampai dengan semester 5, nilai matematika semester 3 sampai dengan 5, nilai ipa semester 3 sampai dengan semester 5, nilai ips semester 3 sampai dengan semester 5, nilai bahasa indonesia semester 3 sampai dengan 5, nilai bahasa inggris semester 3 sampai dengan 5, minat siswa 1, minat siswa 2 dan minat orang tua. Adapun 6 proses pengujian yang dilakukan yaitu: (1) Uji blackbox, (2) Uji whitebox, (3) Uji kesesuaian, (4) Uji kompatibilitas, (5) Uji akurasi perangkat lunak, (6) Uji respon pengguna mendapat 86,25%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Penjurusan Kelas, Data Mining, Naive Bayes, K-Medoid
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Pendidikan Teknik Informatika (S1)
Depositing User: DEVI DWI HARIYANTI
Date Deposited: 27 Jul 2020 00:52
Last Modified: 27 Jul 2020 00:52
URI: http://repo.undiksha.ac.id/id/eprint/2408

Actions (login required)

View Item View Item