Predictive Analysis Pendidikan Menggunakan Machine Learning di Sumatera Barat

Fitri Rahmah Ul Hasanah, Muhammad Kivlan Reftreka Nugraha

Abstract


This study uses big data, namely the socio-economic 2019 data. The focus of this research is Education. Education is an important factor in life, but in West Sumatra using the socio-economic 2019 data it is still in the low category and far from the national average. In this study will predict the factors that influence education in West Sumatra with the data classification method. Methods for classifying large amounts of data have been developed, including Machine Learning. Machine Learning is a field of technology that is currently being widely used to create algorithms with large data (big data). The machine learning method used is Naive Bayes and Bagging. Furthermore, the two models were tested and showed that the Naive Bayes model gave the best performance compared to the Bagging model based on the values of accuracy, sensitivity and specificity. So the Naive Bayes model is the best machine learning model for predicting the factors that affect education, namely household members, gender and regional classification.

Keywords


Machine Learning; Naïve Bayes; Bagging

Full Text:

PDF


DOI: https://doi.org/10.15548/jostech.v3i1.5728
Abstract views : 387 times
PDF : 400 times

References


. Arrahimi, Ahmad Rusadi, dkk. 2019. Teknik Bagging dan Boosting pada Algoritma CART untuk Klasifikasi Masa Studi Mahasiswa. Jurnal Sains dan Informatika Vol. 5 No. 1.

Astuti, Fitri Andri. 2021. Pemanfaatan Teknologi Artifficial Intelligence untuk Penguatan Kesehatan dan Pemulihan Ekonomi Nasional. Jurnal Sistem Cerda, vol. 4 No.1.

Bustami. 2014. Penerapan Algoritma Naïve Bayes Untuk Mengklasifikasi Data Nasabah Asuransi. Jurnal Informatika, vol. 8, No. 1.

Devita, Riri Nada dkk. 2017. Perbandingan Kinerja Metode Naïve Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahasa Indonesia. JTIIK, vol. 5 No. 4.

Haura, Zhafira dan Hariso. 2021. Klasifikasi Angka Pencurian di Riau dengan Multivariate Adaptive Regression Splines (MARS) dan Boostrap Aggregaring MARS. Jurusan Matematika dan Ilmu Pengetahuan Alam Universitas Riau.

Irawan, Devi dkk. 2020. Perbandingan Klasifikasi SMS Berbasis Support Vector Machine, Naïve Bayes Classifier, Random Forest, dan Bagging Classifier. Jurnal SISFOKOM, vol 10 No. 3.

J . Han, M. Kamber, and J. Pei, “Data Mining Concepts and Techniques,” Third Edit., Elsevier, 2012.

Kurniawan, Andi dan Prihandono, Agung. 2020. Penerapan Teknik Bagging untuk Meningkatkan Akurasi Klasifikasi Pada Algoritma Naïve Bayes dalam Menentukan Blogger Profesional. Jurnal Bisnis Digitasi dan Sistem Informasi, Vol. 1 No. 1

Nurmayanti, Wiwit Pura. 2021. Penerapan Naïve Bayes dalam Mengklasifikasikan Masyarakat Miskin di Desa Lepak. Jurnal Kajian Ilmu dan Pendidikan Geografi, vol. 5 No.1.

Putri, Astrid Novita. 2017. Penerapan Naïve Bayesian untuk Perangkingan Kegiatan Fakultas TIK Universitas Semarang. Jurnal SIMETRIS vol 8 No. 2.

Putro, Hakam M., Vulandari, Retno Tri., Saptomo, Wawan L. 2020. Penerapan Metode Naïve Bayes untuk Klasifikasi Pelanggan. Jurnal TikomSIN, vol. 8 No. 2.

Prasetio, Riski Tri. 2015. Penerapan Teknik Bagging Pada Algoritma Klasifikasi Untuk Mengatasi Ketidakseimbangan Kelas Dataset Medis. Informatika, vol 2 No. 2.

Roihan, Ahmad dkk. 2020. Pemanfaatan Macine learning dalam Berbagai Bidang. IJCIT, vol 5 No. 1.

Susana, Heliyanti, Suarna, Nana, Fathurrohman, Kaslani. 2022. Penerapan Model Klasifikasi Metode Naïve Bayes terhadap Penggunaan Akses Internet. JURSISTEKNI Vol. 4 No. 1.

Syarli dan Muin, A. Ashari. 2016. Metode Naïve Bayes untuk Memprediksi Kelulusan. Jurnal Ilmiah Ilmu Komputer, vol. 2 No 1.

Taufiq, Nuri dan Mariyah, Siti. 2021. Pendekatan Model Machine Learning dalam Pemeringkatan Status Sosial Ekonomi Rumah Tangga di Indonesia. Seminar Nasional Official Statistics 2021.

Wibowo, Ari. 2015. Analisis Pebandingan Kinerja Metode Klasifikasi dalam Data Mining. Jurnal Integrasi Vol. 7 No. 1.

Yuliati, Istiqomatul F dan Sihombing, P. Robinson. 2021. Penerapan Metode Machine Learning dalam Klasifikasi Risiko Kejadian Berat Badan Lahir Rendah di Indonesia. Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer, vol. 20 No. 2.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Journal of Science and Technology

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