KLASIFIKASI TUGAS AKHIR UNTUK MENENTUKAN DOSEN PEMBIMBING MENGGUNAKAN NAÏVE BAYES CLASSIFIER (NBC)

Putri Elfa Mas`udia

Sari


Pemilihan dosen pembimbing tugas akhir yang sesuai dengan kompetensi sering menjadi
polemik yang harus dilakukan oleh sang pengambil keputusan (Decision Maker) dalam hal ini adalah
ketua program studi. Dosen pembimbing yang sesuai dan berkompeten akan mampu mengarahkan dan
menentukan keberhasilan tugas akhir mahasiswa yang dibimbing.
Data mining dapat diterapkan untuk mengklasifikasikan judul tugas akhir berdasarkan
keahlian dan pengalaman dosen pembimbing, dengan memasukkan judul tugas akhir beserta nama
dosen pembimbing tahun sebelumnya sebagai data training. Salah satu metode klasifikasi adalah
menggunakan Naïve Bayes Classifier (NBC).
Pada penelitian ini akan disimulasikan proses klasifikasi tugas akhir. input dari sistem ini
adalah data training dan data testing. Data training berupa 10 judul tugas akhir mahasiswa dan 4
nama dosen pembimbing . Sedangkan Data testing berupa judul tugas akhir yang akan diklasifikasikan
ke 4 nama dosen pembimbing. output dari sistem ini adalah rekomendasi nama dosen yang didapatkan
melalui perhitungan probabilistik pada proses klasifikasi menggunakan Naïve Bayes Classifier (NBC).
Learning dilakukan terhadap 10 judul tugas akhir dan 4 dosen pembimbing sebagai data training, hasil
probabilitas klasifikasi data testing adalah P(Sarosa) = 0.00797, P(Azam) = 0.000332, P(Anshori) = 0.0099667
dan P(Koesmarijanto) = 0.00049. Dari hasil perhitungan, terlihat bahwa nilai probabilitas P(MA Anshori) lebih
besar, maka MA.Anshori direkomendasikan untuk membimbing judul tugas akhir yang digunakan sebagai data
testing.

Teks Lengkap:

PDF (English)

Referensi


Azis, Gilang Abdul. (2011). Implementasi Naïve

Bayes Classifier Sebagai System Pendukung

Keputusan Pada Personal Resource Planning

Berbasis Mobile. Jurnal Ilmu Komputer

Feldman, Ronen, and James Sanger. (2007). The

Text Mining Handbook Advanced Approaches

in Analyzing Unstrustured Data. Cambridge;

New York : Cambridge University Press.

Kamaruzzaman,S.M.Chowdhury Mofizur Rahman.

(2004). Text Categorization using Association

Rule and Naive Bayes Classifier. Asian Journal

of Information Technology, Vol. 3, No. 9, pp

-665, Sep. 2004

McLeod, Jr.R. dan G.P. Schell. (2007). Management

Information System. 10th ed. Pearson

Education, Inc. Ali Akbar Yulianto dan Afia R.

Fitriati (penterjemah). 2008. Sistem Informasi

Manajemen. Edisi 10. Nina Setyaningsih

(editor). Salemba Empat. Jakarta.

Ridwan, Mujib. dkk (2013). Penerapan Data Mining

untuk Evaluasi Kinerja Akademik Mahasiswa

Menggunakan Algoritma Naive bayes classifier

(NBC). Jurnal EECCIS Vol.7 No.1, PP 59-64

Juni 2013.

Santosa, B. (2007). Data Mining: Teknik

Pemanfaatan Data untuk Keperluan Bisnis.

Graha Ilmu. Yogyakarta.

Salton, G, (1989). Automatic Text Processing :The

Transformation, Analysis, and Retrieval of

Information by Computer, Addison-Wesley,

Boston, MA, USA

Tala, F. Z. (2003). A Study of Stemming Effect on

Information Retrieval in Bahasa Indonesia,

M.S. Thesis.

Han, Jiawei dan Kamber, Micheline. (2006). Data

Mining : Concept and Techniques Second

Edition, Morgan Kaufmann Publisher.


Refbacks

  • Saat ini tidak ada refbacks.