p-Index From 2020 - 2025
4.407
P-Index
This Author published in this journals
All Journal Journal of Politic and Government Studies Journal of Business & Banking Jurnal Minds: Manajemen Ide dan Inspirasi Al Khawarizmi: Jurnal Pendidikan dan Pembelajaran Matematika AKSIOLOGIYA : Jurnal Pengabdian Kepada Masyarakat Jurnal Pilar Nusa Mandiri Jurnal Ekonomi dan Bisnis Jurnal Ilmu Ilmu Agribisnis: Journal of Agribusiness Science Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Jurnal Samudra Ekonomi dan Bisnis Kasuari: Physics Education Journal (KPEJ) Jurnal Crystal : Publikasi Penelitian Kimia dan Terapannya Kontribusia : Research Dissemination for Community Development LINGUA : Jurnal Bahasa, Sastra, dan Pengajarannya Jurnal Industri Kreatif dan Kewirausahaan Community Development Journal: Jurnal Pengabdian Masyarakat Early Childhood Research and Practice Syntax: Journal of Software Engineering, Computer Science and Information Technology Jurnal Abdi Panca Marga PENSA E-JURNAL: PENDIDIKAN SAINS Jurnal Teknologi Pendidikan ( JTekpend) Jurnal Ilmiah Manajemen dan Bisnis (JIMBis) Journal of Computers and Digital Business Journal of Informatics, Electrical and Electronics Engineering Journal of Islamic Psychology and Behavioral Sciences Zona Kebidanan : Program Studi Kebidanan Universitas Batam Mars: Jurnal Teknik Mesin, Industri, Elektro dan Ilmu Komputer Masyarakat Mandiri: Jurnal Pengabdian Dan Pembangunan Lokal Issues in Mathematics Educations (IMED) Ekoman: Jurnal Ekonomi, Bisnis Dan Manajemen Inovasi Pendidikan dan Anak Usia Dini
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Journal of Computers and Digital Business

Klasifikasi Kelayakan Penerima Program Indonesia Pintar Siswa MIS NU Dusun III Pinangripan Juwita Sari; Sri Wulandari; Yollanda Putry; Wiwin Handoko
Journal of Computers and Digital Business Vol. 3 No. 1 (2024)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v3i1.239

Abstract

Peran pendidikan sangat penting dalam meningkatkan kecerdasan anak bangsa baik secara emosional, spiritual maupun intelektual. Akan tetapi, faktor ekonomi menjadi penyebab anak putus sekolah. Dan untuk mengatasi hal tersebut, pemerintah telah membuat Program Indoneais Pintar (PIP). Program Indonesia Pintar (PIP) melalui Kartu Indonesia Pintar (KIP) adalah pemberian bantuan tunai pendidikan kepada anak usia sekolah (6-21 tahun). Program ini dimaksud untuk meringankan biaya peserta didik baik langsung maupun tidak langsung. Salah satu sekolah di Asahan yang telah menjalan program ini adalah MIS NU Dusun III Pinangripan. Adapun kriteria dari untuk pengklasifikasian ini berupa nilai rata-rata siswa, penghasilan orangtua, dan tanggungan orangtua. Namun, pihak sekolah masih memiliki kesalahan dalam pengklasifikasian kelayakan siswa penerima Program Indonesia Pintar(PIP), yang mana hal tersebut dapat merugikan pihak sekolah dan juga siswa yang terlibat. Untuk mengatasi hal tersebut, dibutuhkanlah sebuah sistem Klasifikasi Kelayakan Penerima program Indonesia Pintar (PIP) Siswa MIS NU Dusun III Pinangripan untuk meminimalisir masalah tersebut. Adapun salah satu teknik yang digunakan dalam mengelola kelayakan penerima Program Indonesia Pintar (PIP) adalah Naïve Bayes yang merupakan metode dari Data Mining. Naive Bayes digunakan untuk proses prediksi dengan menggunakan probabilitas dan statistik yang dapat memprediksi peluang dimasa depan berdasarkan pengalaman sebelumnya. Pemilihan Metode ini karena Naive Bayes memiliki kelebihan diantaranya dapat memprediksi jumlah siswa yang layak mendapatkan Program Indonesia Pintar (PIP) berdasarkan data-data yang konkrit agar hasilnya dapat dipertanggung jawabkan dan digunakan untuk prediksi selanjutnya. Dataset dalam penelitian ini adalah data Siswa MIS NU Dusun III Pinangripan Tahun 2023/2024 Ganjil sebanyak 130 siswa dengan data training 91 siswa dan data testing 39 siswa. Dengan menggunakan Algoritma Naïve Bayes dan Model Confusion Matrix, didapatkan nilai precision 92%, nilai recall 100%, nilai f1-score 96%, dan nilai akurasi sebesar 97% yang masuk kedalam kategori Good Classification.