Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sains Matematika dan Statistika
Laradea Marifni
Unknown Affiliation
Mathematics

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

Found 1 Documents
Search

 1 
Klasifikasi Data Mining Untuk Seleksi Penerimaan Calon Pegawai Negeri Sipil Tahun 2017 Menggunakan Metode Naïve Bayes Rado Yendra; Laradea Marifni; Irma Suryani
Jurnal Sains Matematika dan Statistika Vol 6, No 1 (2020): JSMS Januari 2020
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v6i1.9254

Abstract

Pertumbuhan yang pesat dari akumulasi data telah menciptakan kondisi kaya akan data tetapi minim informasi. Data mining merupakan cara untuk menemukan informasi dengan mencari pola atau aturan tertentu dari data dalam jumlah besar yang diharapkan dapat mengatasi kondisi tersebut. Dengan memanfaatkan informasi atau fitur-fitur seperti jenis kelamin, nilai Seleksi Kompetensi Dasar (SKD), nilai Seleksi Kompetensi Bidang (SKB) 1, nilai Seleksi Kompetensi Bidang (SKB) 2, nilai Seleksi Kompetensi Bidang (SKB) 3, dan keterangan lulus atau tidak lulus seleksi sebagai sumber datanya, diharapkan dapat menghasilkan informasi tentang klasifikasi seleksi penerimaan Calon Pegawai Negeri sipil (CPNS) 2017. Metode yang digunakan adalah metode Naïve Bayes yaitu metode yang digunakan untuk memprediksi berbasis probabilitas. Penelitian ini bertujun untuk mendapatkan distribusi yang tepat untuk fitur-fitur data kontinu. Dari hasil pengujian yang dilakukan dengan menggunakan data sebanyak 284 dengan 227 sebagai data training dan 57 sebagai data testing baik untuk fitur kontinu menggunakan distribusi normal maupun distribusi gamma, akurasi untuk distribusi normal adalah 81% dengan jumlah data yang tepat sebanyak 46 dan yang tidak tepat sebanyak 11. Sedangkan akurasi distribusi gamma sebesar 70% dengan data yang tepat sebanyak 40 dan data yang tidak tepat sebanyak 17.
Co-Authors Irma Suryani Rado Yendra