Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi Cyberku
Rani Pratikaningtyas
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science

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

Found 1 Documents
Search

 1 
Klasifikasi Penerbitan Surat Keputusan Tunjangan Profesi Guru Menggunakan Naive Bayes Berbasis Information Gain Rani Pratikaningtyas; Purwanto Purwanto; Moch Arief Soeleman
Jurnal Teknologi Informasi - Cyberku (JTIC) Vol 15 No 2 (2019): Jurnal Teknologi Informasi - Jurnal CyberKU Vol. 15, no 2
Publisher : Program Pascasarjana Magister Teknik Informatika, Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (204.807 KB)

Abstract

Sertifikasi guru merupakan salah satu upaya pemerintah untuk meningkatkan mutu pendidikan disertai dengan peningkatan kesejahteraan guru. Namun banyaknya penerima sertifikasi yang ternyata tidak cair berpengaruh kepada laporan anggaran belanja negara dan daerah. Penelitian ini bertujuan untuk melakukan seleksi fitur dengan cara memberi bobot pada setiap atribut dari data Penerbitan Surat Keputusan Tunjagan Profesi Guru di Kota Surakarta tahun 2015, menggunakan metode information gain untuk meningkatkan akurasi pada algoritma Naïve Bayes, sehingga dapat mengklasifikaasi penerbitan surat keputusan tunjangan profesi guru dengan baik. Information gain digunakan untuk memilih atribut khususnya dalam menangani data dengan dimensi tinggi. Sedangkan untuk proses klasifikasinya menggunakan algoritma Naïve Bayes yang merupakan teknik prediksi berbasis probabilistic sederhana. Adapun atribut yang digunakan dalam eksperiman ini adalah, NUPTK, Format Bayar, Jenis PTK, Jenis Kelamin, NIP, Status Kepegawaian, Kode Sertifikasi, Area Tugas, Jenjang, JJM Mengajar, Tugas Tambahan, Tugas Mengajar, Golongan, Nama Bank, Keputusan. Hasil Eksperimen dari metode Naïve Bayes didapatkan hasil akurasi sebesar 93,31% sedangkan setelah menggunakan seleksi fitur dengan information gain didapatkan hasil akurasi sebesar 96,11%. Sehingga mengalami peningkatan akurasi sebesar 2,80%.
Co-Authors Moch Arief Soeleman Purwanto Purwanto