HYBRID FUZZY DAN NAIVE BAYES DALAM PENENTUAN STATUS UKT (STUDI KASUS PROGRAM STUDI TEKNIK INFORMATIKA UNIVERSITAS KHAIRUN)

Anas Anas, Firman Tempola, Amal Khairan

Sari


Uang Kuliah Tunggal (UKT) merupakan nama dari sebuah sistem pembayaran yang saat ini berlaku diseluruh PTN. Ketentuan ini berdasarkan Permendibud No. 55 Tahun 2013 asal 1 ayat 3 yakni setiap mahasiswa hanya membayar satu komponen. Jumlah mahasiswa baru di Universitas Khairun yang begitu banyak dan kuota per UKT terbatas maka terkadang dalam hal penentuan status UKT masih terdapat ketidaksesuain dengan ekonomi Mahasiswa. Oleh karena itu dibutuhkan aplikasi penentuan status UKT yang lebih akurat. Tujuan dari penelitian ini yaitu untuk membuat aplikasi penentuan status UKT dengan menggunakan metode Fuzzy dan Naive Bayes dan membandingkan akurasi Naive Bayes dan akurasi dari kombinasi metode Fuzzy dan Naive Bayes. Untuk membandingkan akurasi Naive Bayes dan Fuzzy Naive Bayes peneliti melakukan 2 percobaan dengan menggunakan data training sebanyak 50 dan data testing sebanyak 20, percobaan pertama diakukan dengan mengguakan4 kriteria, dengan metode Naive Bayes hasil akurasi yaitu 70%, dan metode Fuzzy Naive Bayes hasil akurasi yaitu 55%, percobaan kedua dilakukan dengan menggunakan 6 kritaria, dengan metode Naive Bayes hasil akurasi yaitu 90% dan dengan menggunakan Fuzzy Naive Bayes hasil akurasi mencapai 85%. Dari penelitian tersebut diketahui bahwa akurasi Naive Bayes lebih tinggi dari pada akurasi Fuzzy Naive Bayes dan jumlah kriteria sangat berpengaruh dalam peningkatan akurasi.


Kata Kunci


UKT, Fuzzy, Naive Bayes

Teks Lengkap:

PDF

Referensi


Permenristekdikti, “Biaya Kuliah Tunggal Dan Uang Kuliah Tunggal Pada Perguruan Tinggi Negeri Di Lingkungan Kementerian Riset, Teknologi, Dan Pendidikan Tinggi,” 2015. [Online]. Available: http://kelembagaan.ristekdikti.go.id/wp-content/uploads/2016/08/Permenristekdikti22-2015BKT-UKT-PTN.

A. Saelan, “LOGIKA FUZZY,” no. 13508029, pp. 1–5, 2009.

L. Zadeh, “Fuzzy sets.” 1964.

S. Kusumadewi, “Klasifikasi Status Gizi Menggunakan Naive Bayesian Classification,” J. Univ. Binus, vol. 3, no. 1, pp. 6–11, 2009.

A. A. Muin, “Metode Naive Bayes Untuk Prediksi Kelulusan ( Studi Kasus : Data Mahasiswa Baru Perguruan Tinggi ),” vol. 2, no. 1, 2016.

Tempola, F., Muhammad, M., dan Khairan, A.,“Perbandingan Klasifikasi antara KNN dan Naive Bayes pada Penentuan Status Gunung Berapi dengna K-Fold Cross Validation,”Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 2018. vol. 5, no. 5, 577-584.




DOI: http://dx.doi.org/10.33387/protk.v6i1.1015

Refbacks

  • Saat ini tidak ada refbacks.


Editorial Office :
Program Studi Teknik Elektro. Fakultas Teknik. Universitas Khairun
Jl. Raya Pertamina - Gambesi Kec. Ternate Selatan Kota Ternate, Indonesia
 
Email : protek@unkhair.ac.id

 View PROtek Stats