Halaman Data Jurnal
| Judul Jurnal | Penerapan Algoritma Random Forest Dalam Klasifikasi Penjurusan Di SMA Negeri Tugumulyo |
|---|---|
| Nama Lengkap | Haiza Marlina |
| Nama Pembimbing 1 | Elmayti,M.Kom |
| Nama Pembimbing 2 | Antoni Zulius, M.Kom |
| Abstrak Jurnal | The problem in this study is the difficulty in determining the majors at Tugumulyo State High School, for that a classification model is needed that can determine the right majors in student majors at Tugumulyo State High School. This research uses data collection methods, by observing and recording directly at the research site (observation), asking questions directly to the source (interview), and documentation by reading literature guidelines. The results showed that the majors classification model using the Random Forest algorithm. It can be concluded that the model built using the R programming language gets an accuracy value of 0.9314 and is included in the good classification category. Keyword : Classification, Alignment, Random Forest ABSTRAK Masalah pada penelitian ini adalah kesulitan dalam penentuan penjurusan pada SMA Negeri Tugumulyo , untuk itu dibutuhkan sebuah model klasifikasi yang dapat menentukan penjurusan yang tepat pada penjurusan siswa di SMA Negeri Tugumulyo. Penelitian ini menggunakan metode pengumpulan data, dengan cara melakukkan pengamatan dan pencatatan langsung pada tempat penelitian (observasi), melakukan tanya jawab langsung pada sumber (interview), dan dokumentasi dengan cara membaca pedoman-pedoman literature. Hasil penelitian menunjukan bahwa model klasifikasi penjurusan dengan menggunakan algoritma Random Forest. Dapat disimpulkan bahwa model yang dibangun menggunakan bahasa pemrograman R mendapatkan nilai akurasi sebesar 0.9314 dan masuk dalam kategori good classification. Kata Kunci : Klasifikasi, Penjurusan, Random Forest |
| Daftar Pustaka | DAFTAR PUSTAKA [1] A. Z. Mafakhir and A. Solichin, “Penerapan Metode Naïve Bayes Classifier Untuk Penjurusan Siswa Pada Madrasah Aliyah Al-Falah Jakarta,” Fountain Informatics J., vol. 5, no. 1, p. 21, 2020, doi: 10.21111/fij.v5i1.4007. [2] A. Josi, “Penerapan Metode Prototyping Dalam Membangun Website Desa (Studi Kasus Desa Sugihan Kecamatan Rambang),” Jti, vol. 9, no. 1, pp. 50–57, 2017. [3] C. Fadlan, S. Ningsih, and A. P. Windarto, “Penerapan Metode Naïve Bayes Dalam Klasifikasi Kelayakan Keluarga Penerima Beras Rastra,” J. Tek. Inform. Musirawas, vol. 3, no. 1, p. 1, 2018, doi: 10.32767/jutim.v3i1.286. [4] H. Annur, “Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes,” Ilk. J. Ilm., vol. 10, no. 2, pp. 160–165, 2018, doi: 10.33096/ilkom.v10i2.303.160-165. [5] H. Leidiyana, “Penerapan Algoritma K-Nearest Neighbor Untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor,” J. Penelit. Ilmu Komputer, Syst. Embed. Log., vol. 1, no. 1, pp. 65–76, 2013. [6] R. Supriyadi, W. Gata, N. Maulidah, and A. Fauzi, “Penerapan Algoritma Random Forest Untuk Menentukan Kualitas Anggur Merah,” E-Bisnis J. Ilm. Ekon. dan Bisnis, vol. 13, no. 2, pp. 67–75, 2020, doi: 10.51903/e-bisnis.v13i2.247. [7] I. A. Ridlo, “Pedoman Pembuatan Flowchart,” Academia.Edu, p. 27, 2017. [8] M. S. Rossa A.S., Rekayasa Perangkat Lunak. 2018. [9] U. Khultsum and A. Subekti, “Penerapan Algoritma Random Forest dengan Kombinasi Ekstraksi Fitur Untuk Klasifikasi Penyakit Daun Tomat,” J. Media Inform. Budidarma, vol. 5, no. 1, p. 186, 2021, doi: 10.30865/mib.v5i1.2624. [10] A. U. Zailani and N. L. Hanun, “Penerapan Algoritma Klasifikasi Random Forest Untuk Penentuan Kelayakan Pemberian Kredit Di Koperasi Mitra Sejahtera,” Infotech J. Technol. Inf., vol. 6, no. 1, pp. 7–14, 2020, doi: 10.37365/jti.v6i1.61. [11] F. Mu’Alim and R. Hiday, “Implementasi Metode Random Forest Untuk Penjurusan Siswa di Madrasah Aliyah Negeri Sintang,” Jupiter, vol. 14, no. 1, pp. 116–125, 2022, [Online]. Available: https://www.neliti.com/publications/441871/implementasi-metode-random-forest-untuk-penjurusan-siswa-di-madrasah-aliyah-nege#cite. [12] S. Mutrofin et al., “KOMPARASI KINERJA ALGORITMA C4 . 5 , GRADIENT BOOSTING TREES , RANDOM FORESTS , DAN DEEP LEARNING PADA KASUS EDUCATIONAL DATA PERFORMANCE COMPARISON BETWEEN ALGORITHMS OF C4 . 5 , GRADIENT BOOSTING TREES , RANDOM FORESTS , AND DEEP LEARNING IN,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 4, pp. 807–814, 2020, doi: 10.25126/jtiik.2020732665. [13] Bh. Hayadi, “Perbandingan Metode Naive Bayes Dan Random Forest Untuk Menentukan Prestasi Belajar Siswa Pada Jurusan RPL (Studi Kasus SMK Swasta Siti Banun Sigambal),” J. Comput. Sci. Inf. Technol. Progr. Stud. Teknol. Inf., no. 2, p. 2022, 2022, [Online]. Available: http://jurnal.ulb.ac.id/index.php/JCoInT/index. [14] Mukhtar, Metode Penelitian Deskriftif Kualitatif. Jakarta: GP Press Group, 2013. |