Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : ICIT (Innovative Creative and Information Technology) Journal

Prediksi Kemampuan Siswa Dalam Bersaing di Dunia Kerja Menggunakan Perbandingan Algoritma Naïve Bayes Dan K-Nearest Neighbor Andi Purnomo; Ahmad Sururi
ICIT Journal Vol 8 No 1 (2022): Februari 2022
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (831.563 KB) | DOI: 10.33050/icit.v8i1.2171

Abstract

SMK Yadika 5 Pondok Aren setiap tahunnya meluluskan + 200 siswa/i nya. Semakin ketatnya persaingan dalam dunia kerja maka kualitas pendidikan pada siswa/i SMK Yadika 5 Pondok Aren adalah salah satu tujuan dari sekolah. Kurangnya daya serap lulusan SMK Yadika 5 Pondok Aren di dunia kerja menjadi salah satu persoalan penting yang harus segera diperbaiki, belum adanya sebuah pola dalam memprediksi siswa yang belum mampu memenuhi beberapa faktor dalam perekrutan karyawan di sebuah perusahaan maupun industri. Oleh karena itu, perlu adanya sebuah sistem untuk menemukan sebuah pola dalam melakukan prediksi siswa/i SMK Yadika dalam bersaing di dunia kerja. Salah satu Teknik pengolahan data yang dapat digunakan adalah Data Mining. Dalam pengolahan Data Mining ini peneliti menggunakan metode klasifikasi dengan algoritma Naïve Bayes dan membandingkan dengan algoritma K-Nearest Neighbor serta melakukan pengujian pada nilai precision, nilai recall, nilai akurasi. Berdasarkan pengujian yang telah dilakukan dalam penelitian ini mendapati hasil bahwa Algoritma Naïve Bayes memiliki Akurasi 97.66 % , Nilai Precision 100% , dan Nilai Recall 97.59% sedangkan Algoritma K-Nearest Neighbor mendapati hasil Nilai Akurasi 98.22 % , Nilai Precision 99.38% , Nilai Recall 98.77 %. Dari hasil yang didapatkan maka algoritma Naïve Bayes dan K-Nearest Neighbor dapat diterapkan serta dijadikan suatu pola baru dalam memprediksi siswa dalam memenuhi beberapa faktor dalam perekrutan karyawan di sebuah perusahaan maupun industri. Keywords— Data Mining, Algoritma Naïve Bayes, Algoritma K-Nearest neighbor