PREDIKSI PENERIMAAN BANTUAN PIP PADA SMKS AL-FURQON BATUBARA DENGAN METODE NAÏVE BAYES

Nur Aini, Wiwin Handoko, Rizky Nurhaliza

Abstract


Abstract: The PIP program is assistance for poor students which is provided to students from families who are poor and cannot carry out learning activities at school. At Al-Furqon Private Vocational School, Batubara Regency, there are still problems in the decision-making process to determine which students are entitled to PIP scholarships, so researchers apply the Naïve Bayes method. Naive Bayes is a simple probabilistic forecasting method based on the application of Bayes' theorem (or Bayes' rule) with the assumption of independence (non-independence) in the selection of PIP recipient students with the criteria of Report Card Value, Parent's Dependents, Parent's Income, and KIP Recipients using the above calculations. The report card value is 75 dependent parents, more than 3 people with income below IDR 1,500,000 and those who do not receive PKH so that 74 people receive PIP results and 117 people do not receive results. In calculating the Naive Bayes method using Python tools, the accuracy results were 96%.

Keywords: data mining; naïve bayes; scholarship pip

 

Abstrak: Program PIP termasuk beasiswa untuk siswa tidak mampu yang disajikan kepada siswa dari keluarga miskin dan tidak bisa melaksanakan kegiatan pembelajaran di sekolah. Pada SMK Swasta Al-Furqon Kabupaten Batubara masih menghadapi masalah dalam cara mengambil keputusan untuk penentuan peserta didik yang berwenang atas bantuan PIP sehinga peneliti menerapkan pendekatan Naïve Bayes. Naive Bayes suatu metode prediksi probabilistik sederhana yang berlandaskan pada teorema Bayes dengan hipotesis independensi (non-independent) dalam pemilihan peserta didik penerima PIP dengan kriteria Nilai Raport, Tanggungan Ortu, Penghasilan Ortu, dan Penerima PKH dengan perhitungan nilai raport diatas 75, tanggungan ortu lebih dari 3 orang, penghasilan dibawah Rp 1.500.000 dan tidak menerima PKH sehingga mendapatkan hasil yang Diterima PIP sebanyak 74 orang dan yang Tidak Diterima sebanyak 117 orang. Dalam perhitungan metode Naive Bayes dengan tools jupyter notebook dari anaconda mendapatkan hasil akurasi 97%.

Kata Kunci: data mining; naïve bayes; beasiswa pip


Full Text:

PDF

References


A. Pebdika, R. Herdiana, and D. Solihudin, “Klasifikasi Menggunakan Metode Naive Bayes Untuk Menentukan Calon Penerima Pip,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 452–458, 2023, doi: 10.36040/jati.v7i1.6303.

W. Ningsih, B. Budiman, and I. Umami, “Implementasi Algoritma Naïve Bayes Untuk Menentukan Calon Penerima Beasiswa Di SMK YPM 14 Sumobito Jombang,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 4, no. 2, pp. 446–454, 2022, doi: 10.47233/jteksis.v4i2.570.

M. Mastur Alfitri and D. Rusda, “Evaluasi Performa Algoritma Naïve Bayes Dalam Mengklasifikasi Penerima Bantuan Pangan Non Tunai,” J. Media Inform. Budidarma, vol. 7, no. 3, pp. 1433–1445, 2023, doi: 10.30865/mib.v7i3.6151.

I. Y. Arulampalam Kunaraj, P.Chelvanathan, Ahmad AA Bakar, “TANGGUNG JAWAB NEGARA TERHADAP PENDIDIKAN FAKIR MISKIN DI INDONESIA,” J. Eng. Res., vol. 2, no. 1, 2023.

K. Kunci, “Analisis, Data Mining, Klasifikasi, Naïve Bayes, RapidMiner.,” vol. 10, no. 2, 2022.

O. Rini and S. O. Kunang, “Implementasi Data Mining Menggunakan Metode Naive Bayes Untuk Penentuan Penerima Bantuan Program Indonesia Pintar ( Pip ) ( Studi Kasus : Sd Negeri 9 Air Kumbang ),” Bina Darma Conf. …, pp. 714–722, 2021.

A. Nata and S. Suparmadi, “Analisis Sistem Pendukung Keputusan Dengan Model Klasifikasi Berbasis Machine Learning Dalam Penentuan Penerima Program Indonesia Pintar,” J. Sci. Soc. Res., vol. 5, no. 3, p. 697, 2022, doi: 10.54314/jssr.v5i3.1041.

Yuyun, Nurul Hidayah, and Supriadi Sahibu, “Algoritma Multinomial Naïve Bayes Untuk Klasifikasi Sentimen Pemerintah Terhadap Penanganan Covid-19 Menggunakan Data Twitter,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 4, pp. 820–826, 2021, doi: 10.29207/resti.v5i4.3146.

Muqorobin and M. Bagoes Pakarti, “Sistem Prediksi Lama Studi Kuliah Menggunakan Metode Naive Bayes,” J. Inform. Komput. dan Bisnis, vol. 2, no. 1, pp. 117–129, 2022, [Online]. Available: https://jurnal.itbaas.ac.id/index.php/jikombis

R. A. Iswanto, J. Sahertian, and M. A. D. Widyadara, “Pengembangan Sistem Prediksi Kelulusan Mahasiswa Berdasarkan Nilai Disiplin, Hasil Belajar, Aktivitas Sosial Ekonomi, dan Aktivitas Organisasi Menggunakan Algoritma Naïve Bayes,” Pros. Semin. Nas. Teknol. Dan Sains, vol. 1, pp.

–358, 2022.

I. G. I. Suardika, “Prediksi Tingkat Kelulusan Mahasiswa Tepat Waktu Menggunakan Naive Bayes: Studi Kasus Fakultas Ekonomi Dan Bisnis Universitas Pendidikan Nasional,” J. Ilmu Komput. Indones., vol. 4, no. 2, pp. 37–44, 2019, doi: 10.23887/jik.v4i2.2775.

A. Pambudi, Z. Abidin, and Permata, “Penerapan Crisp-Dm Menggunakan MLR K-Fold Pada Data Saham Pt. Telkom Indonesia (Persero) Tbk (Tlkm) (Studi Kasus: Bursa Efek Indonesia Tahun 2015-2022),” J. Data Min. dan Sist. Inf., vol. 4, no. 1, pp. 1–14, 2023, doi: 10.33365/jdmsi.v4i1.2462.

M. A. Hasanah, S. Soim, and A. S. Handayani, “Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir,” JAIC (Journal Appl. Informatics Comput., vol. 5, no. 2, pp. 103–108, 2021, doi: 10.30871/jaic.v5i2.3200.

R. Yendra, L. Marifni, and I. Suryani, “Klasifikasi Data Mining Untuk Seleksi Penerimaan Calon Pegawai Negeri Sipil Tahun 2017 Menggunakan Metode Naïve Bayes,” J. Sains Mat. dan Stat., vol. 6, no. 1, pp. 65–78, 2020, doi: 10.24014/jsms.v6i1.9254.

M. M. Effendi and A. Setiawan, “Menentukan Prediksi Kelulusan Siswa Dengan Membandingkan Algoritma C4.5 Dan Naive Bayes Studi Kasus Smkn. 1 Cikarang Selatan,” SIGMA - J. Teknol. Pelita Bangsa, vol. 11, no. 3, pp. 143–148, 2020.

N. Indriyani, E. Ali, U. Rio, and Rahmaddeni, “Menentukan Kualitas Pelayanan Maskapai Penerbangan Domestik Dengan Menggunakan Metode Naïve Bayes,” SATIN - Sains dan Teknol. Inf., vol. 6, no. 1, pp. 37–45, 2020, doi: 10.33372/stn.v6i1.605.

R. Marten, S. Tumangger, N. Hidayat, and Marji, “Komparasi Metode Data Mining Support Vector Machine dengan Naive Bayes untuk Klasifikasi Status Kualitas Air,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 10, pp. 9614–9619, 2019.

Y. Septiani and P. F. Ariyani, “Penerapan Algoritma Naive Bayes Menentukan Klasifikasi Tingkat Kelulusan Siswa SMK Media Informatika Jakarta,” Semin. Nas. Mhs. Fak. Teknol. Inf., pp. 607–613, 2022, [Online]. Available: http://senafti.budiluhur.ac.id/index.php/senafti/article/view/361%0Ahttp://senafti.budiluhur.ac.id/index.php/senafti/article/download/361/71




DOI: https://doi.org/10.33330/jutsi.v4i1.2971

Article Metrics

Abstract view : 131 times
PDF - 103 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK ROYAL 


Copyright © LPPM STMIK ROYAL

Lisensi Creative Commons

Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.