Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial
Ahmad Rifqy Alfiyan
STMIK Nusa Mandiri
Computer Science & IT Economics, Econometrics & Finance Social Sciences

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PERBANDINGAN ALGORITMA KLASIFIKASI NAIVE BAYES DAN SVM PADA STUDI KASUS PEMBERIAN PENERIMA BEASISWA PPA safitri linawati; Rizky Ade Safitri; Ahmad Rifqy Alfiyan; Witriana Endah Pangesti; Monikka Nur Winnarto
Swabumi Vol 8, No 1 (2020): Volume 8 Nomor 1 Tahun 2020
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v8i1.7708

Abstract

Beasiswa PPA merupakan sebuah program beasiswa yang diberikan kepada mahasiswa aktif. Dalam melakukan seleksi penerima beasiswa PPA, akan ada tahapan-tahapan yang harus diproses untuk mendapatkan mahasiswa yang menerima beasiswa sesuai harapan. Data pendaftar beasiswa PPA dari tahun sebelumnya menjadi penunjang untuk keakuratan pengambilan keputusan dalam seleksi penerima beasiswa agar sesuai dengan kriteria yang telah ditetapkan. Untuk mendapatkan keakuratan pengambilan keputusan maka dibutuhkan data mining sebagai penunjang dalam pengambilan keputusan. Pada penelitian ini, penulis melakukan perbandingan 2 algoritma untuk mengetahui algoritma mana yang mempunyai keakuratan lebih tinggi dalam pengambilan keputusan penerima beasiswa PPA. Algoritma yang digunakan adalah algoritma klasifikasi Naïve Bayes dan Support Vector Machine (SVM). Berdasarkan hasil komparasi antara algoritma Naive Bayes dan SVM (Support Vector Machine) yang dilakukan untuk mengklasifikasikan nilai akurasi tertinggi dengan 5 variabel dan jumlah data sebesar 122 dapat disimpulkan bahwa algoritma Naive Bayes memiliki tingkat akurasi lebih tinggi yaitu 90.90% dibandingkan dengan metode SVM yaitu 89.25%.
Co-Authors Monikka Nur Winnarto Rizky Ade Safitri Safitri Linawati Witriana Endah Pangesti