Febri Laksana
Universitas Putra Bangsa

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

KOMPARASI ALGORIMA C4.5 DAN NAÏVE BAYES PADA KLASIFIKASI REKOMENDASI PENERIMA BANTUAN PIP Rahmat Hidayat Rahmat; Febri Laksana
MUST: Journal of Mathematics Education, Science and Technology Vol 8 No 2 (2023): DESEMBER
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/must.v8i2.20657

Abstract

Program Indonesia Pintar (PIP) merupakan program bantuan pemerintah yang ditujukan utnuk peserta didik yang berasal dari keluarga miskin atau rentan miskin untuk membiayai pendidikan. Siswa penerima PIP terdiri dari dua kategori yaitu, siswa yang memiliki Kartu Indonesia Pintar (KIP) / Kartu Keluarga Sejahtera (KIS) dan siswa yang direkomendasikan oleh pihak sekolah untuk mendapatkan beasiswa. Cara konvensional yang dilakukan sekolah dalam memberikan rekomendasi beasiswa membutuhkan waktu yang lama serta rentan akan ketidak sesuaian rekomendasi sehingga dapat mengakibatkan penyaluran bantuan PIP yang tidak tepat sasaran. Berdasarkan permasalahan tersebut penulis tertarik melakukan penelitian untuk menyelesaikan masalah yang ada dengan menggunakan teknik data mining. Penelitian ini membandingkan algoritma C4.5 dan algoritma Naive Bayes yang meliputi akurasi, presisi dan recall. Pengujian dilakukan pada 139 data siswa SDN 03 Karanganyar. Hasil penelitian ini menunjukan kedua algoritma dapat diterapkan dengan baik, berdasarkan hasil penghitungan manual dan software rapidminer. Hasil dari pengujian ini dilakukan lagi komparasi dari kedua algoritma berdasarkan akurasi, presisi dan recall dimana algoritma C4.5 lebih baik pada pengujian akurasi sebesar 92%, presisi sebesar 94% dan recall sebesar 85% lebih tinggi dibandingkan algorima naïve bayes. Sehingga Rule yang dihasilkan oleh algoritma C4.5 ini dapat digunakan untuk membangun suatu sistem pendukung pengambil keputusan pada SDN 03 Karanganyar.