Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Scientific Student Journal for Information, Technology and Science
Ishal Saepulloh
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Klasifikasi Data Guru Sekolah Menengah Pertama (SMP) PNS & NON PNS Kabupaten Karawang Menggunakan Algoritma Naïve Bayes Ishal Saepulloh; Tatang Rohana; Cici Sukmawati
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dinas Pendidikan Pemuda dan Olahraga (Disdikpora) merupakan salah satu lembaga yang melaksanakan urusan pemerintahan daerah berdasarkan asas otonomi dan tugas pembantuan di bidang pendidikan. Salah satu tugasnya yaitu melakukan pengelolaan kesekretariatan meliputi perencanaan umum, kepegawaian, keuangan, evaluasi dan pelaporan. Permasalahan yang terjadi di Dinas Pendidikan Pemuda dan Olahraga Kabupaten Karawang yaitu banyaknya jumlah Data Guru SMP PNS dan NON PNS seluruh Sekolah Negeri maupun Swasta yang ada di Kabupaten Karawang harus didata secara akurat dikarenakan agar tidak terjadi kesalahan data untuk recruitment guru baru untuk memenuhi kurangnyaa guru yg ada di sekolah, dan adanya pengangkatan guru NON PNS menjadi PNS yang diatur oleh Pemerintahan Dinas Pendidikan Pemuda dan Olahraga. Berdasakan permasalahan tersebut, maka peneliti akan menggunakan teknik data mining dalam klasifikasi data Guru SMP PNS dan NON PNS Kabupaten Karawang yang menggunakan algoritma Naïve Bayes untuk mengatahui tingkat akurasi yang dihasilkannya. Dalam klasifikasi Data Guru SMP PNS dan NON PNS menghasilkan confusion matrix yang akan menjadipenunjang dalam proses perhitungan tingkat keakurasian data. Dataset dibagi menjadi dua yakni data training 174 dan data testing 35. Pengujian ini menggunakan microsoft excel untuk perhitungan manual dan pemrograman python dengan model data 174 yaitu data training dan 35 data testing. Didalam pembagian data untuk data training memiliki nilai akurasi sebesar 100%, presisi sebesar 100%, recall sebesar 100% dengan itu data tersebut sangat baik digunakan dalam klasifikasi menggunakan algoritma Naïve Bayes.
Co-Authors Cici Sukmawati Tatang Rohana