Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
P-Index
This Author published in this journals
All Journal (JELIKU) Jurnal Elektronik Ilmu Komputer Udayana Jurnal Online Mahasiswa (JOM) Bidang Ilmu Sosial dan Ilmu Politik Jurnal Online Mahasiswa (JOM) Bidang Keguruan dan Ilmu Pendidikan Jurnal Informatika Jurnal Kesmas dan Gizi (JKG) JURNAL KESEHATAN BHAKTI HUSADA GEMBIRA (Pengabdian Kepada Masyarakat)
Lia Susanti
Unknown Affiliation
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Education Health Professions Law, Crime, Criminology & Criminal Justice Nursing Public Health Social Sciences Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Informatika

 1 
Prediksi Siswa SMK Al-Hidayah Yang Masuk Perguruan Tinggi Dengan Metode Klasifikasi Khoirunnisa Khoirunnisa; Lia Susanti; Ira Tasfiyyutu Rokhmah; Lilis Stianingsih
Jurnal Informatika Vol 8, No 1 (2021): April 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (329.148 KB) | DOI: 10.31294/ji.v8i1.9163

Abstract

Salah satu aspek sebagai indikator kualitas sekolah menengah kejuruan adalah tingkat diterimanya siswa di perguruan tinggi baik itu negeri maupun swasta. Beberapa data siswa sekolah menengah kejuruan dianalisis untuk mengetahui tingkat diterimanya siswa di perguruan tinggi melalui penelusuran siswa. Dengan memprediksi siswa yang masuk perguruan tinggi, bisa dimanfaatkan oleh pihak sekolah untuk bahan promosi. Proses analisis data siswa tersebut menggunakan teknik data mining. Dengan tujuan penelitian ini untuk memprediksi siswa angkatan berikutnya yang masuk di  perguruan  tinggi  negeri maupun swasta menggunakan hasil model klasifikasi yang terbentuk. Pada penelitian ini data yang digunakan adalah data siswa angkatan 2018 dan 2019 Sekolah Menengah Kejuruan AL-Hidayah 1. Yang berjumlah 503 data, setelah dilakukan pre-processing diperoleh data yang siap diolah berjumlah 158  data.  Proses  data  mining  dibantu  oleh  software  Rapid Miner  menggunakan klasifikasi naïve bayes. Proses evaluasi data membandingkan beberapa algoritma lain yaitu Decision Tree dan KNN. Dan dari hasil pengujian tingkat akurasi tertinggi diantara tiga algoritma yang telah diuji diantaranya Decision Tree dengan nilai akurasi 95.60%, sedangkan naive bayes dengan nilai akurasi 92.40% dan KNN nilai akurasinya 94.96%.
Co-Authors Abdul Sadad Ade Krisna Ginting Anita Fuji Lestari Aurin Novima Setra Ayu Lia Safitri Cici Dwi Jayanti Despri Noviati Endang Haryanto Ericha Dhela Jayanti Farebbi Baroqah Faris Elpan Julian Handariani Ira Tasfiyyutu Rokhmah Ismayanti Ismayanti Khoirunnisa . Khoirunnisa Khoirunnisa Komariah Fauziah Lilis Stianingsih Mahmud Alpusari Melvawaty Purba Otang Kurniaman Risma Shinta Fadhilah Ustandatun Diniyah Verawaty Fitrinelda Silaban