Article Per Year (5 Year)
p-Index From 2021 - 2026
1.116
P-Index
This Author published in this journals
All Journal Kompak : Jurnal Ilmiah Komputerisasi Akuntansi Jurnal DISPROTEK Abdimas Nuansa Informatika
M. Rudi Fanani
INSTITUT TEKNOLOGI DAN SAINS NAHDLATUL ULAMA PEKALONGAN
Civil Engineering, Building, Construction & Architecture Computer Science & IT Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal DISPROTEK

 1 
ALGORITMA NAÏVE BAYES BERBASIS FORWARD SELECTION UNTUK PREDIKSI BIMBINGAN KONSELING SISWA M. Rudi Fanani
Jurnal DISPROTEK Vol 11, No 1 (2020)
Publisher : Universitas Islam Nahdlatul Ulama Jepara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34001/jdpt.v11i1.952

Abstract

Kegiatan bimbingan dan konseling di sekolah adalah cara membantu siswa dalam mengembangkan kepribadian, sikap sosial, pembelajaran, pengembangan karir dan perencanaan. Kegiatan Bimbingan dan Konseling juga berperan dalam menyikapi perilaku menyimpang para siswa yang ditunjukkan para siswa baik masih berada dalam limgkup sekolah dan juga luar sekolah. Dalam menentukan kegiatan bimbingan konseling, guru bimbingan konseling dapat memberikan penilaian sejauh mana peningkatan perilaku siswa di sekolah. Namun penentuan rekomendasi bimbingan dan konseling kurang akurat dikarenakan harus berdasarkan pengetahuan dan pengolahan banyaknya data yang ada sehingga diperlukan sebuah perhitungan yang menerapkan metode prediksi dengan teknik data mining. Salah satu teknik data mining adalah Naïve Bayes yang menggunakan teknik klasifikasi, yang mampu menghasilkan nilai akurasi sebesar 94.55% dan juga dalam penelitian menerapkan fitur seleksi yang digunakan sebagau pemilihan fitur yang berpengaruh terhadap klasifikasi guna meningkatkan akurasi. Fitur seleksi yang digunakan adalah Forward Selection yang mampu meningkatkan akurasi menjadi 94.84% dengan membuang beberapa fitur yang tidak relevan terhadap klasifikasi dan menjadikan hasil yang lebih baik daripada menggunakan metode Naïve Bayes saja.
Co-Authors Fari Katul Fikriah Hakim, Mujibul Husni Hidayat Muhammad Yusuf Zain Nur Hayati Rizal, Muhamad Rizaludin