KLASIFIKASI MASA TUNGGU KERJA LULUSAN S1 MATEMATIKA UNAND MENGGUNAKAN NAIVE BAYES CLASSIFIER

Main Article Content

Yulmiati Yulmiati
Izzati Rahmi H. G.
Ferra Yanuar

Abstract

Prodi S1 Matematika adalah salah satu prodi yang berakreditasi A di Universitas Andalas (Unand). Sebagian dari lulusan S1 Matematika Unand telah bekerja di instansi pemerintahan maupun swasta. Lulusan tersebut tentunya memiliki masa tunggu kerja yang berbeda-beda dan dipengaruhi oleh beberapa faktor. Faktor-faktor yang mempengaruhi masa tunggu kerja antara lain yaitu jenis kelamin, usia, masa studi, upah, keaktifan berorganisasi, IPK dan sebagainya. Oleh karena itu, penelitian ini melakukan klasifikasi masa tunggu kerja lulusan S1 Matematika Unand berdasarkan atribut yang terdiri dari faktor-faktor yang diduga mempengaruhi masa tunggu kerja lulusan S1 Matematika Unand. Metode klasifikasi yang digunakan adalah Naive Bayes Classifier. Dalam proses klasifikasi tidak semua atribut yang efektif dan relevan, sehingga perlu dilakukan teknik pemilihan atribut menggunakan Information Gain (IG). Berdasarkan nilai akurasi diketahui bahwa klasifikasi Naive Bayes menggunakan lima belas atribut adalah 0,8839 dan klasifikasi Naive Bayes menggunakan delapan atribut terpilih dari IG adalah 0,901786. Atribut-atribut yang terpilih dari IG adalah keaktifan berorganisasi, sumber utama biaya kuliah, kemampuan bersaing dengan lulusan perguruan tinggi lain, masa studi, kompetensi yang dikuasai saat lulus, IPK, jenis kelamin, dan melanjutkan studi.

Article Details

Section
Statistics

References

[1] N. S. Anjani, œPengaruh Prestasi Belajar, Masa Studi dan Keaktifan Berorganisasi Terhadap Masa Tunggu dan Relevansi Pekerjaan, Jurnal Peendidikan dan Ekonomi, pp. 554-565, 2018.

[2] M. Astuti, œFaktor-faktor yang Mempengaruhi Lama Menganggur Bagi Pekerja di Industri Perkebunan Kelapa Sawit Ogan Komering Ulu, Jurnal Ilmiah STIE MDP, pp. 130-149, 2013.

[3] R. T. Putranto and M. Mashuri, œAnalisis Statistika Tentang Faktor-Faktor yang Mempengaruhi Waktu Tunggu Kerja Fresh Graduate di Jurusan Statistika Institut Teknologi Sepuluh Nopember (ITS), Jurnal Sains dan Seni ITS , pp. 324-328, 2012.

[4] F. Handayani and F. S. Pribadi, œImplementasi Algoritma Naive Bayes Classifier dalam Pengklasifikasian Teks Otomatis Pengaduan dan Pelaporan Masyarakat melalui Layanan Call Center 110, Jurnal Teknik Elektro, pp. 19-24, 2015.

[5] S. and A. A. Muin, œMetode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus : Data Mahasiswa Baru Perguruan Tinggi), Jurnal Ilmiah Ilmu Komputer , pp. 22-26, 2016.

[6] D. Berrar, œBayes' Theorem and Naive Bayes Classifier, Encyclopedia of Bioinformatics and Computational Biology, pp. 403-412, 2018.

[7] J. Wu, Z. Cai and X. Zhu, œSelf-Adaptive Probability Estimation for Naive Bayes Classification, in Proceedings of International Joint Conference on Neural Networks, Texas, 2013.

[8] G. H. John and P. Langley, œEstimating Continuous Distribution in Bayesian Classifiers, in Proceedings of the Eleventh Conference on Uncertainty in Artificial Intelligence, San Mateo, 1995.

[9] S. Raschka, œarXiv, 14 Februari 2017. [Online]. Available: https://arxiv.org/abs/1410.5329.

[10] L. R. Putri, œKlasifikasi Sentimen Ulasan Buku Berbahasa Inggris Menggunakan Information Gain dan Naive Bayes, in e-Proceeding of Engineering, 2017.

[11] J. Han, M. Kamber and J. Pei, Data Mining: Concept and Techniques 3rt Edition, Elsevier: Morgan Kaufmann, 2006.

[12] R. M. Gray, Entropy and Information Theory Second Edition, New York: Springer, 2010.