PENENTUAN METODE KLASIFIKASI MENGGUNAKAN ALGORITMA KNN UNTUK PENERBITAN SURAT KEPUTUSAN SERTIFIKASI GURU
DOI:
https://doi.org/10.47775/ictech.v14i1.52Abstrak
Guru merupakan ujung tombak dalam meningkatkan kualitas pendidikan yang diberi tanggung jawab untuk mendidik, membimbing, mengajar, mengarahkan, melatih, menilai, mengevaluasi peserta yang didiknya, agar peserta didik dapat mengembangkan potensinya di masa depan. Seorang guru professional bisa diukur dari sertifikasi pendidikan yang didapat dari sertifikasi guru. Sertifikasi guru adalah bukti formal pengakuan seorang guru professional yang diharapkan dapat meningkatkan kinerja dari mata pelajaran yang diampunya. Untuk membantu pihak dinas pendidikan dalam menentukan guru yang bisa mendapatkan pencairan SK sertifikasi guru, maka akan menggunakan algoritma K-NN yang dimana algoritma K-NN adalah algoritma yang menghitung berdasarkan jarak antar satu data dengan data yang lain.
Referensi
Arief Jananto, 2013. Algoritma Naive Bayes untuk Mencari Perkiraan Waktu Studi Mahasiswa. Jurnal Teknologi Informasi DINAMIK, Vol. 18 No. 1.
B. Azhagusundari and A. S. Thanamani, 2013. Feature Selection based on Information Gain. pp. pp. 18–21.
BAN PT, 2008. Portofolio Fakultas/Sekolah Tinggi, Akreditasi PS Sarjana.
Budi Santosa, 2007. Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu.
Daniel T. Larose, 2005. Discovery Knowledge in Data : an Introduction to Data Mining. John Wiley & Sons.
Dewan Md. Farid, et., al., 2014. Hybrid Decision Tree and Naïve Bayes Classifiers for Multi-Class Classification Tasks. Expert Systems with Applications, 41(4, Part 2), pp.pp.1937 - 1946.
E. Alpaydin, 2010. Introduction to Machine Learning Second Edition.
Eko Prasetyo, 2012. Data Mining Konsep dan Aplikasi Menggunakan Matlab. Yogyakarta: Andi Offset.
F. Gorunescu, 2011. Data Mining: Concept, Models and Techniques. Berlin: Heidelberg: Springer Berlin Heidelberg.
Girish Chandrashekar and Ferat Sahin, 2014. A Survey On Feature Selection Methods.
I. H. Witten, et., al., 2011. Data Mining : Practical Machine Learning Tools and Techniques. 3rd ed. Elsevier.
Ida Ayu Sri Padmini, e..a.., 2012. Analisis Waktu Kelulusan Mahasiswa dengan Metode CHAID (Studi Kasus : FMIPA Universitas UDAYANA). e-Jurnal Matematika, Vol. 1, No. 1, pp.pp 89-93.
Kusrini and L. E. Taufiq, 2009. Algoritma Data Mining. Yogyakarta: Andi Offset.
Levent Koc, et., al., 2012. A Network Intrusion Detection System Based on a Hidden Naïve Bayes Multiclass Classiï¬er.
Liangxiao Jiang, et., al., 2012. Improving Tree Augmented Naive Bayes for Class Probability Estimation.
Md. Faisal Kabir, et., al., 2011. Enhanced Classification Accuracy on Naive Bayes Data Mining Models. Journal of Computer Application (0975 - 8887), Vol. 28 - No. 3.
Nobertus Krisandi, et., al., 2013. Algoritma k-Nearest Neighbor Dalam Klasifikasi Data Hasil Produksi Kelapa Sawit Pada Pt. Minamas Kecamatan Parindu. Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster, Vol. 02, No. 1, pp.pp.33 - 38.
Oded Maimon and Lior Rokach, 2010. Data Mining and Knowledge Discovery Handbook. 2nd ed. Springer New York Dordrecht Heidelberg London.
Peng-Mian, et., al., 2013. Naïve Bayes Classifier with Feature Selection to Identify Phage Virion Proteins.
Wang, Li-Min, et., al., 2006. Combining decision tree and Naive Bayes for classiï¬cation. Knowledge-Based Systems.
X. Wu, V. Kumar, et., al., 2007. Top 10 Algorithms in Data Mining. Vol. 14, pp.pp.1-37.
Yusuf Sulistyo Nugroho, 2014. Penerapan Algoritma C4.5 untuk Klasifikasi Predikat Kelulusan Mahasiswa Fakultas Komunikasi dan Informatika Universitas [23]Muhammadiyah Surakarta. In In Prosiding Seminar Nasional Aplikasi Sains & Teknologi (SNAST) 2014. Yogyakarta, 2014.
