Edi Victor Haryanto
Unknown Affiliation

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

Found 1 Documents
Search

Penerapan Data Mining dengan Metode Klasifikasi Naive Bayes untuk Menilai Kinerja Asesor pada BAN PAUD dan PNF Provinsi Sumatera Utara Nurhayati; Edi Victor Haryanto; Wahyuni, Linda; Elisabeth S, Noprita
Informatics and Digital Expert (INDEX) Vol. 6 No. 1 (2024): INDEX, Mei 2024
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v6i1.1732

Abstract

Akreditasi satuan Pendidikan Anak Usia Dini (PAUD) dan Pendidikan Nonformal (PNF) merupakan suatu rangkaian kegiatan yang dilakukan secara bertahap, terencana dan terukur untuk menilai kelayakan dan mutu dari satuan PAUD dan PNF sebagaimana telah diatur dalam Undang-undang Nomor 20 Tahun 2003 tentang Sistem Pendidikan Nasional. Dalam pelaksanaan kegiatannya, akreditasi dilakukan berdasarkan pada ketentuan yang diatur oleh Badan Akreditasi Nasional Pendidikan Anak Usia Dini dan Pendidikan Nonformal (BAN PAUD dan PNF). Adapun proses dalam penilaian tersebut dilakukan oleh Asesor. Pentingnya memiliki asesor yang berkualitas dan kompeten untuk melakukan penilaian dan akreditasi terhadap lembaga PAUD dan PNF di Provinsi Sumatera Utara. Namun, tidak semua asesor memiliki kompetensi dan kualitas yang sama dalam melakukan penilaian dan akreditasi. Oleh karena itu, perlu dilakukan sebuah kajian guna mengklasifikasikan kinerja asesor untuk memastikan bahwa asesor yang dipilih memiliki kemampuan yang tepat dan sesuai dengan kebutuhan BAN PAUD dan PNF Provinsi Sumatera Utara. Peneliti menerapkan metode klasifikasi naïve bayes dengan pengujian algoritmanya menggunakan Tools WEKA. Hasil akurasi dengan menggunakan Use Training Set, presentase untuk Correctly Classified Instance yaitu sebesar 97,0799% sementara persentase untuk Incorrectly Classified Instance adalah sebesar 2,9221%. Di mana dari 308 data penilaian kinerja asesor ada sebanyak 299 data asesor yang berhasil diklasifikasikan dengan benar dan sebanyak 9 data asesor tidak berhasil diklasifikasikan dengan benar.