Penerapan algoritma Naive Bayes sebagai sistem rekomendasi kategori perusahaan Praktik Industri (PI) bagi mahasiswa / Robi Wahyudi - Repositori Universitas Negeri Malang

Penerapan algoritma Naive Bayes sebagai sistem rekomendasi kategori perusahaan Praktik Industri (PI) bagi mahasiswa / Robi Wahyudi

Wahyudi, Robi (2016) Penerapan algoritma Naive Bayes sebagai sistem rekomendasi kategori perusahaan Praktik Industri (PI) bagi mahasiswa / Robi Wahyudi. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

ABSTRAK Wahyudi Robi.2016. PenerapanAlgoritmaNa ve BayessebagaiSistemRekomendasiKategori Perusahaan PraktikIndustribagiMahasiswa Skripsi JurusanTeknikElektro FakultasTeknik UniversitasNegeri Malang. Pembimbing (I) AjiPrasetyaWibawa S.T. M.MT Ph.D. (II) UtomoPujianto S.Kom. M.Kom. Kata Kunci Na ve Bayes SistemPendukungKeputusan (SPK) PraktikIndustri(PI) PraktikIndustri (PI) adalahmatakuliahwajibbagimahasiswa yang bertujuanuntukmelatihmahasiswaberadaptasidenganduniaindustri. Melaluilangkahinidiharapkankompetensi yang dimilikimahasiswaakansesuaidengankebutuhanindustri. Pada proses pemilihanlokasi PI mahasiswadibebaskanuntukmemilihlokasi PI sesuaidengankeinginannya. Namun jumlahperusahaan yang banyakseringmembuatmahasiswakebingungganuntukmemilihlokasi PI. Dari hasilobservasipadamahasiswa S1 PendidikanTeknikInformatikaUniversitasNegeri Malang (UM) yang telahmenempuh PI menyimpulkanbahwakategoriperusahaanberpengaruhterhadappengalaman yang didapatkanpraktikanselama PI. Akan tetapi tidakadapembagiankategorilokasi PI sesuaijenisperusahaan di Jurusan. Olehsebabitu perluadanyapembagiankategorilokasi PI berdasarkanjenisperusahaannya. Dari data jurusankategorilokasi PI dapatdibagimenjaditigajenisyakni (1) instansipemerintah (2) perusahaanswasta (3) softwarehouse. Sebuahsistemrekomendasikategoriperusahaan PI merupakanSistemPendukungKeputusan (SPK) dirancanguntukmembantumenyelesaikanpermasalahanpemilihankategorilokasi PI berdasarkanjenisperusahaan. Data mahasiswa yang telahmenempuh PI dapatdijadikan data prediksiuntukmembantumahasiswa yang akanmelaksanakan PI. Pemilihankategorilokasi PI adalahpermasalahan yang berkaitandenganklasifikasi. Salah satualgoritmatelahterbuktibaikdandapatdigunakanuntukmenyelesaikanpermasalahanklasifikasidenganteknikprobabilitassederhanaadalahNa ve Bayes. Pengujian SPK inimenggunakanteknikK-fold Cross Validation dengan lima kali eksperimen. Dataset yang digunakandalampengujiansebanyak 100 data mahasiswa. Data inidibagimenjadi data latihdan data ujidenganmasing-masingsebesar 80% dan 20%. Hasilpengujiantertinggiakurasi precissiondanrecallberturut-turutsebesar52.36% 49.64% 50.96%. Hasilpengujianinidapatdisimpulkansudahbaiktapiperluadanyapenambahandataset agar semakinmeningkatnilainya.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Pendidikan Teknik Informatika
Depositing User: Users 2 not found.
Date Deposited: 28 Jul 2016 04:29
Last Modified: 09 Sep 2016 03:00
URI: http://repository.um.ac.id/id/eprint/46175

Actions (login required)

View Item View Item