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

Penulis

  • Anas Anas Teknik Informatika Universitas Khairun
  • Firman Tempola Teknik Informatika Universitas Khairun
  • Amal Khairan Teknik Informatika Universitas Khairun

DOI:

https://doi.org/10.33387/protk.v6i1.1015

Kata Kunci:

UKT, Fuzzy, Naive Bayes

Abstrak

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.

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,â€ÂJurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 2018. vol. 5, no. 5, 577-584.

Unduhan

Diterbitkan

2019-05-01

Cara Mengutip

Anas, A., Tempola, F., & Khairan, A. (2019). HYBRID FUZZY DAN NAIVE BAYES DALAM PENENTUAN STATUS UKT (STUDI KASUS PROGRAM STUDI TEKNIK INFORMATIKA UNIVERSITAS KHAIRUN). PROtek : Jurnal Ilmiah Teknik Elektro, 6(1), 6–11. https://doi.org/10.33387/protk.v6i1.1015

Terbitan

Vol 6 No 1 (2019): PROtek : Jurnal Ilmiah Teknik Elektro

Bagian

PROtek : Jurnal Ilmiah Teknik Elektro

Lisensi

 

    1. Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.

    1. Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.

    1. Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).