Skripsi

Penerapan algoritma Naive Bayes sebagai sistem rekomendasi kategori perusahaan Praktik Industri (PI) bagi mahasiswa / Robi Wahyudi

Abstrak
ABSTRAK Wahyudi Robi.2016. PenerapanAlgoritmaNa ve BayessebagaiSistemRekomendasiKategori Perusahaan PraktikIndustribagiMahasiswa Skripsi JurusanTeknikElektro FakultasTeknik UniversitasNegeri Malang. Pembimbing (I) AjiPrasetyaWibawa S.T. M.MT Ph.D. (II) UtomoPujianto S.Kom. M.Kom. Kata Kunci Na ve Bayes SistemPendukungKeputusan (SPK) PraktikIndustri(PI) PraktikIndustri (PI) adalahmatakuliahwajibbagimahasiswa yang bertujuanuntukmelatihmahasiswaberadaptasidenganduniaindustri. Melaluilangkahinidiharapkankompetensi yang dimilikimahasiswaakansesuaidengankebutuhanindustri. Pada proses pemilihanlokasi PI mahasiswadibebaskanuntukmemilihlokasi PI sesuaidengankeinginannya. Namun jumlahperusahaan yang banyakseringmembuatmahasiswakebingungganuntukmemilihlokasi PI. Dari hasilobservasipadamahasiswa S1 PendidikanTeknikInformatikaUniversitasNegeri Malang (UM) yang telahmenempuh PI menyimpulkanbahwakategoriperusahaanberpengaruhterhadappengalaman yang didapatkanpraktikanselama PI. Akan tetapi tidakadapembagiankategorilokasi PI sesuaijenisperusahaan di Jurusan. Olehsebabitu perluadanyapembagiankategorilokasi PI berdasarkanjenisperusahaannya. Dari data jurusankategorilokasi PI dapatdibagimenjaditigajenisyakni (1) instansipemerintah (2) perusahaanswasta (3) softwarehouse. Sebuahsistemrekomendasikategoriperusahaan PI merupakanSistemPendukungKeputusan (SPK) dirancanguntukmembantumenyelesaikanpermasalahanpemilihankategorilokasi PI berdasarkanjenisperusahaan. Data mahasiswa yang telahmenempuh PI dapatdijadikan data prediksiuntukmembantumahasiswa yang akanmelaksanakan PI. Pemilihankategorilokasi PI adalahpermasalahan yang berkaitandenganklasifikasi. Salah satualgoritmatelahterbuktibaikdandapatdigunakanuntukmenyelesaikanpermasalahanklasifikasidenganteknikprobabilitassederhanaadalahNa ve Bayes. Pengujian SPK inimenggunakanteknikK-fold Cross Validation dengan lima kali eksperimen. Dataset yang digunakandalampengujiansebanyak 100 data mahasiswa. Data inidibagimenjadi data latihdan data ujidenganmasing-masingsebesar 80% dan 20%. Hasilpengujiantertinggiakurasi precissiondanrecallberturut-turutsebesar52.36% 49.64% 50.96%. Hasilpengujianinidapatdisimpulkansudahbaiktapiperluadanyapenambahandataset agar semakinmeningkatnilainya.

Informasi Detail

DDC

Rs 005.1 WAH p

Prodi

Universitas Negeri Malang. Program Studi Pendidikan Teknik Informatika, 2016.

Deskripsi Fisik

x, 76 lembar : il., tab. ; 30 cm

Bahasa

Indonesia

No Reg

03343/KI/16

Edisi

Skripsi (Sarjana)-- Universitas Negeri Malang. 2016

Subjek

1. ALGORITMA (KOMPUTER)
2. ALGORITHMS (COMPUTER PROGRAMMING)

Pembimbing

1. Aji Prasetya Wibawa; 2. Utomo Pujianto

Lampiran Berkas