<![CDATA[SMK Muhamadiah Majenang merupakan unit pelaksana pendidikan formal untuk menyiapkan peserta didik agar bisa menjadi generasi penerus bangsa. Kelulusan menjadi syarat dan ketentuan yang di tetapkan agar bisa menyelesaikan proses pembelajaran yang telah di tentukan dan harus di lalui oleh setiap siswa. Memprediksi tingkat kelulusan siswa penting bagi penyelenggara pendidikan untuk meningkatkan dan mempertahankan prestasi siswa dalam proses pembelajaran. Maka dengan melakukan penelitian prediksi kelulusan siswa menggunakan Data Mining diharapkan dapat menjadi upaya dalam peningkatan kualitas pendidikan. Dalam penelitian ini akan di lakukan perbandingan antara algoritma naïve bayes , K-NN , ID3 , dan SVM untuk menentukan metode mana yang paling efektif dalam menentukan prediksi kelulusan siswa. Atribut yang digunakan dalam penelitian ini adalah Transkip Nilai dari Semester 1 sampai Semester 5 dan Ujian Sekolah. Dalam penelitian ini menggunakan populasi 420 siswa yang terdiri dari 326 siswa laki-laki dan 94 siswa perempuan. SMK Muhamadiah Majenang is a formal education implementing unit to prepare students to become the nation's next generation. Graduation is the terms and conditions that are set in order to complete the learning process that has been determined and must be passed by each student. Predicting student graduation rates is important for education providers to improve and maintain student achievement in the learning process. So by conducting research on student graduation predictions using Data Mining, it is hoped that it can be an effort to improve the quality of education. In this study, a comparison will be made between the nave Bayes algorithm, K-NN, ID3, and SVM to determine which method is the most effective in determining student graduation predictions. The attributes used in this study are transcripts of grades from semester 1 to semester 5 and school exams. In this study, a population of 420 students consisted of 326 male students and 94 female students.]]>
Copyrights © 2023
