Implementasi Naïve Bayessian dengan Laplacian Smoothing untuk Peminatan dan Lintas Minat Siswa SMAN 5 Pamekasan

Indah Listiowarni (Universitas Madura)

Jurnal Sisfokom (Sistem Informasi dan Komputer)
Vol 8, No 2 (2019): SEPTEMBER

Kurikulum 2013 memiliki beberapa perubahan dasar dari kurikulum sebelumnya, salah satunya adalah penyaluran dan penempatan siswa pada program peminatan. Setelah dilakukan klasifikasi peminatan, siswa akan diklasifikasikan lagi menggunakan nilai tes, yang disebut sebagai Lintas Minat Siswa. Penelitian ini berkonsentrasi untuk menerapkan metode Naive Bayessian pada sebuah sistem untuk menanggulangi permasalahan rumitnya proses klasifikasi dua tingkatan dan banyaknya data setiap tahunnya.Naive Bayes merupakan salah satu metode machine learning yang menggunakan perhitungan  probabilitas, dan memggunakan laplacian smoothing untuk menghindari hasil akhir bernilai 0. Nilai perhitungan accuracy dan error rate pada 720 data training dengan pengambilan 5 kali jumlah data testing  yang berbeda menggunakan naive bayessian dan laplacian smoothing, didapat nilai accuracy : 92,11% dan nilai error rate : 7,02%