Penerapan Algoritma Machine Learning Untuk Penjurusan Siswa Baru Sekolah Menengah Kejurusan Berdasarkan Nilai Raport dan Psikotest

Gian Maulana, Afiyati Afiyati

Abstract


Penelitian ini bertujuan untuk mengevaluasi keefektivan sistem penjurusan siswa di Sekolah Menengah Kejuruan (SMK) dengan menggunakan empat algoritma machine learning, yaitu K-Nearest Neighbor, Naive Bayes, Support Vector Machine, dan Random Forest. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki akurasi terbesar dibandingkan algoritma lainnya. Saat ini, proses penjurusan siswa di SMK tempat penelitian ini dilakukan, masih diprosessecara manual melalui perhitungan nilai raport, nilai tes mandiri, dan nilai psikotes. Proses penjuruan secara manual tersebut memakan waktu yang cukup lama. Implementasi algoritma Random Forest dapat menjadi solusi untuk mempercepat proses penjurusan siswa di SMK tersebut. Algoritma Random Forest memiliki akurasi terbaik di antara algoritma lain, yaitu 37% hampir mencapai 38%.

Keywords


Penjurusan, Algoritma, Akurasi, Perbandingan

Full Text:

PDF

References


A. Z. Mafakhir and A. Solichin, “Penerapan Metode Naïve Bayes Classifier Untuk Penjurusan Siswa Pada Madrasah Aliyah Al-Falah Jakarta,” Fountain Informatics J., vol. 5, no. 1, p. 21, 2020, doi: 10.21111/fij.v5i1.4007.

F. Ekawati, “Algoritma Naïve Bayes Untuk Penentuan Jurusan Pada Siswa Madrasah Aliyah,” Technol. J. Ilm., vol. 9, no. 1, p. 42, 2018, doi: 10.31602/tji.v9i1.1101.

F. E. Prabowo and A. Kodar, “Analisis Prediksi Masa Studi Mahasiswa Menggunakan Algoritma Naïve Bayes,” J. Ilmu Tek. dan Komput., vol. 3, no. 2, p. 147, 2019, doi: 10.22441/jitkom.2020.v3.i2.008.

D. Putra and A. Wibowo, “Prediksi Keputusan Minat Penjurusan Siswa SMA Yadika 5 Menggunakan Algoritma Naïve Bayes,” Pros. Semin. Nas. Ris. Dan Inf. Sci., vol. 2, pp. 84–92, 2020.J. W. Cooper, “The singleton pattern,” in Introduction to Design Patterns in C#. Boston, MA: Addison Wesley, 2002, pp. 145 – 148.

M. Mughniy, R. C. Wihandika, and B. H. Prasetio, “Sistem Rekomendasi Psikotes untuk Penjurusan Siswa SMA menggunakan Metode Modified K-Nearest Neighbor,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 1, pp. 282–287, 2018.

S. Saepudin, M. Muslih, P. Studi Sistem Informasi, U. Nusa Putra, J. Raya Cibolang Kaler No, and K. Sukabumi, “Pemilihan Jurusan Dengan Metode K-Nearest Neighbor Untuk Calon Siswa Baru,” J. Rekayasa Teknol. Nusa Putra, vol. 5, no. 2, pp. 15–19, 2019.

M. Bayu Agung Rahmadi, “Sistem Penjurusan IPA / IPS Menggunakan Algoritma K-Nearest Neighbor Pada SMA Muhammadiyah 13 Jakarta,” Semin. Nas. Sains Teknol. Inf., pp. 300–305, 2019.

O. Arifin and T. B. Sasongko, “Analisa perbandingan tingkat performansi metode support vector machine dan naïve bayes classifier,” Semin. Nas. Teknol. Inf. dan Multimed. 2018, vol. 6, no. 1, pp. 67–72, 2018




DOI: http://dx.doi.org/10.22441/jitkom.2023.v7i1.008

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Jurnal Ilmu Teknik dan Komputer

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Jurnal Ilmu Teknik dan Komputer
Alamat Redaksi :
Pusat Penelitian Universitas Mercu Buana Jakarta,
Gedung D Lantai 1, Jalan Meruya Selatan No. 01, Kembangan, Jakarta Barat 11650.
Telepon 021-5840816 Pesawat 3451 Fax. 021-5840813.
Homepage : http://www.mercubuana.ac.id Email : [email protected]
P-ISSN 2548-740X
E-ISSN 2621-1491

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Web Analytics Made Easy - StatCounter
View My Stats