APLIKASI DATA MINING UNTUK MENGHASILKAN POLA KELULUSAN SISWA DENGAN METODE NAIVE BAYES

Pertumbuhan yang pesat dari akumulasi data telah menciptakan kondisi kaya akan data tetapi minim informasi. Data mining merupakan cara untuk menemukan informasi dengan mencari pola atau aturan tertentu dari data dalam jumlah besar yang diharapkan dapat mengatasi kondisi tersebut. Dengan memanfaatkan data induk siswa dan data kelulusan siswa sebagai sumber datanya, diharapkan dapat menghasilkan informasi tentang pola tingkat kelulusan siswa melalui teknik data mining. Kategori tingkat kelulusan di ukur dari nilai UNAS. Algoritma yang digunakan adalah algoritma naive bayes. Proses pada aplikasi ini ada 2 macam yaitu, proses analisa pola data kelulusan siswa yang telah ada sebelumnya (Learning Phase) berdasarkan atribut - atribut yang di ujikan dan proses dari analisa pola data baru yang diujikan berdasarkan pola yang telah ada (Testing Phase). Informasi yang ditampilkan pada aplikasi tersebut ada 2 macam yaitu, informasi hasil proses Learning Phase dan informasi data berupa nilai probabilitas posterior (kemungkinan kemunculan) dari masing-masing kategori tingkat kelulusan. Pada analisa data yang dilakukan diproses testing, di dapat tingkat keakuratan sistem sekitar 99,82% dan memiliki nilai error 0.18% berdasarkan pengujian 220 data siswa tahun 2012.Pertumbuhan yang pesat dari akumulasi data telah menciptakan kondisi kaya akan data tetapi minim informasi. Data mining merupakan cara untuk menemukan informasi dengan mencari pola atau aturan tertentu dari data dalam jumlah besar yang diharapkan dapat mengatasi kondisi tersebut. Dengan memanfaatkan data induk siswa dan data kelulusan siswa sebagai sumber datanya, diharapkan dapat menghasilkan informasi tentang pola tingkat kelulusan siswa melalui teknik data mining. Kategori tingkat kelulusan di ukur dari nilai UNAS. Algoritma yang digunakan adalah algoritma naive bayes. Proses pada aplikasi ini ada 2 macam yaitu, proses analisa pola data kelulusan siswa yang telah ada sebelumnya (Learning Phase) berdasarkan atribut - atribut yang di ujikan dan proses dari analisa pola data baru yang diujikan berdasarkan pola yang telah ada (Testing Phase). Informasi yang ditampilkan pada aplikasi tersebut ada 2 macam yaitu, informasi hasil proses Learning Phase dan informasi data berupa nilai probabilitas posterior (kemungkinan kemunculan) dari masing-masing kategori tingkat kelulusan. Pada analisa data yang dilakukan diproses testing, di dapat tingkat keakuratan sistem sekitar 99,82% dan memiliki nilai error 0.18% berdasarkan pengujian 220 data siswa tahun 2012