PERBANDINGAN AKURASI ALGORITMA NAÏVE BAYES, K-NN DAN SVM DALAM MEMPREDIKSI PENERIMAAN PEGAWAI
Abstract
To supporting academic and non-academic activities, the Polytechnic Business Indonesian (PBI) must be supported by employees with reliable Human Resources (HRD) who have good behavior, good abilities and can complete work professionally and responsibly. Conventional techniques for analyzing existing large amounts of data cannot be handled which is the background for the emergence of a new branch of science to overcome the problem of extracting important information from data sets, which is called Data Mining. Utilizing methods to classify data by utilizing methods including: Naïve Bayes method, K-Nearest Neighbor (K-NN) and Supervise Vector Machine (SVM). From this research, in Predicting Applicants Graduation at PBI, the SVM method is better than Naïve Bayes and K-NN. With 33 test data used, SVM has 84.9% accuracy, 85.1% precision while K-NN has 81.8% accuracy, 84.1% precision and Naïve Bayes has 78.8% accuracy and 80.1% precision.
References
[1] F. Ferdian Harryanto and S. Hansun, “Penerapan Algoritma C4.5 untuk Memprediksi Penerimaan Calon Pegawai Baru di PT WISE,” 2017.
[2] S. Sonang S and A. T. Purba, “Implementasi Topsis Dalam Pemberian Reward Guru Terbaik Pada Smk Swasta 1 Hkbp Pematangsiantar,” J. Tek. Inf. dan Komput., vol. 4, no. 1, pp. 1–8, 2021, doi: 10.37600/tekinkom.v4i1.226.
[3] K. H. Sabi and L. Van Gobel, “Promosi Jabatan Eselon Iv Pada Badan Kepegawaian Pendidikan Dan Pelatihan Kabupaten Gorontalo,” Publik J. Manaj. Sumber Daya Manusia, Adm. dan Pelayanan Publik, vol. 6, no. 2, pp. 94–105, 2019, doi: 10.37606/publik.v6i2.10.
[4] U. Bagou, “PROSES SELEKSI PEGAWAI TIDAK TETAP DI SEKOLAH STIA,” J. Manaj. Sumber Daya Manusia, Adm. dan Pelayanan Publik, vol. I, no. 2, pp. 127–135, 2014.
[5] C. Paramitha Lubis, R. Rosnelly, and Z. Situmorang, “PENERAPAN METODE NAÏVE BAYES DAN C4.5 PADA PENERIMAAN PEGAWAI DI UNIVERSITAS POTENSI UTAMA,” CSRID J., vol. 12, no. 1, pp. 51–63, 2020, doi: 10.22303/csrid.12.1.2020.51-63.
[6] N. A. Sinaga and A. T. Purba, “Penerapan Algoritma C.45 Untuk Memprediksi Tingkat Kepuasan Mahasiswa Terhadap Politeknik Bisnis Indonesia,” TEKINKOM, vol. 4, no. 2, pp. 245–254, 2021.
[7] A. T. Purba and V. M. M. Siregar, “Sistem Penyeleksi Mahasiswa Baru Berbasis Web Menggunakan Metode Weighted Product,” J. Tek. Inf. dan Komput., vol. 3, no. 1, pp. 1–8, 2020, doi: 10.37600/tekinkom.v3i1.117.
[8] N. A. Sinaga, K. Dalimunthe, and M. Sayid, “Komparasi Metode Decision Tree , KNN , dan SVM Untuk,” J. Sist. Komput. dan Inform., vol. 3, no. 2, pp. 94–100, 2021, doi: 10.30865/json.v3i2.3598.
[9] Z. I. Sholihati and I. Tahyudin, “Pengembangan Aplikasi Tiga-Tingkat Menggunakan Metode Scrum pada Aplikasi Presensi Karyawan Glints Academy,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 6, no. 1, pp. 169–176, 2022.
[10] Y. Chen et al., “Fast density peak clustering for large scale data based on kNN,” Knowledge-Based Syst., vol. 187, p. 104824, 2020, doi: 10.1016/j.knosys.2019.06.032.
[11] W. Xing and Y. Bei, “Medical Health Big Data Classification Based on KNN Classification Algorithm,” IEEE Access, vol. 8, pp. 28808–28819, 2020, doi: 10.1109/ACCESS.2019.2955754.
[12] Y. K. Saheed, M. A. Hambali, M. O. Arowolo, and Y. A. Olasupo, “Application of GA Feature Selection on Naive Bayes, Random Forest and SVM for Credit Card Fraud Detection,” 2020 Int. Conf. Decis. Aid Sci. Appl. DASA 2020, pp. 1091–1097, 2020, doi: 10.1109/DASA51403.2020.9317228.
[13] I. G. Bendesa Subawa, “Prediksi Kelulusan Mahasiswa Menggunakan Teorema Teorema Bayes,” JANAPATI, vol. 8, no. 3, pp. 227–236, 2019.
[14] A. M. Rahat, A. Kahir, and A. K. M. Masum, “Comparison of Naive Bayes and SVM Algorithm based on Sentiment Analysis Using Review Dataset,” Proc. 2019 8th Int. Conf. Syst. Model. Adv. Res. Trends, SMART 2019, pp. 266–270, 2020, doi: 10.1109/SMART46866.2019.9117512.
[15] Y. F. Manalu and G. Ginting, “Analisis Perancangan Aplikasi Pengklasifikasi Dokumen pada BPKA Deli Serdang Menggunakan Algoritma Naive Bayes,” JURIKOM (Jurnal Ris. Komputer), vol. 8, no. 4, pp. 114–119, 2021, doi: 10.30865/jurikom.v8i4.3591.
[16] T. Purwoningsih, H. B. Santoso, K. A. Puspitasari, and Z. A. Hasibuan, “Early Prediction of Students’ Academic Achievement : Categorical Data from Fully Online Learning on Machine-Learning Classification Algorithms,” J. Hunan Univ. Sci., vol. 48, no. 9, pp. 131–141, 2021, [Online]. Available: http://jonuns.com/index.php/journal/article/view/713/710.
[17] H. N. Irmanda and Ria Astriratma, “Klasifikasi Jenis Pantun Dengan Metode Support Vector Machines (SVM),” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 4, no. 5, pp. 915–922, 2020, doi: 10.29207/resti.v4i5.2313.
[18] J. W. Iskandar and Y. Nataliani, “Perbandingan Naïve Bayes, SVM, dan k-NN untuk Analisis Sentimen Gadget Berbasis Aspek,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 6, pp. 1120–1126, 2021, doi: 10.29207/resti.v5i6.3588.
[19] B. Budiman, “Perbandingan Algoritma Klasifikasi Data Mining untuk Penelusuran Minat Calon Mahasiswa Baru,” Nuansa Inform., vol. 15, no. 2, pp. 37–52, 2021, doi: 10.25134/nuansa.v15i2.4162.
[20] N. Nuraeni, “Klasifikasi Data Mining untuk Prediksi Potensi Nasabah dalam Membuat Deposito Berjangka,” J. Ilm. Intech Inf. Technol. J. …, vol. 3, no. 01, pp. 65–74, 2021, [Online].
[21] H. Hozairi, A. Anwari, and S. Alim, “Implementasi Orange Data Mining Untuk Klasifikasi Kelulusan Mahasiswa Dengan Model K-Nearest Neighbor, Decision Tree Serta Naive Bayes,” Netw. Eng. Res. Oper., vol. 6, no. 2, p. 133, 2021, doi: 10.21107/nero.v6i2.237.
[22] D. I. Ramadhan, B. Santoso, D. Teknik, I. Teknologi, and S. Nopember, “Analisis Kinerja Peramalan dan Klasifikasi Permintaan Auto Parts Berbasis Data Mining,” J. Tek. ITS, vol. 9, no. 2, pp. 162–169, 2020.
[23] M. Azhari, Z. Situmorang, and R. Rosnelly, “Perbandingan Akurasi, Recall, dan Presisi Klasifikasi pada Algoritma C4.5, Random Forest, SVM dan Naive Bayes,” J. Media Inform. Budidarma, vol. 5, no. 2, p. 640, 2021, doi: 10.30865/mib.v5i2.2937.
[24] P. Akurasi, C. Algoritma, and D. A. N. Naïve, “Perbandingan Akurasi Algoritma C4.5 dan Naïve Bayes untuk Deteksi Dini Gangguan Autisme pada Anak,” J. IKRA-ITH Inform., vol. 3, no. 1, pp. 119–128, 2019.
[25] S. A. Naufal, A. Adiwijaya, and W. Astuti, “Analisis Perbandingan Klasifikasi Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN) untuk Deteksi Kanker dengan Data Microarray,” JURIKOM (Jurnal Ris. Komputer), vol. 7, no. 1, p. 162, 2020, doi: 10.30865/jurikom.v7i1.2014.
[26] Z. Situmorang, “Analisis Menentukan Pengembangan Karir Siswa SMK Dengan Mengunakan Metode K-Nerest Neighbor ( K-NN ),” vol. 1, pp. 589–594, 2019.
[27] Y. D. Atma and A. Setyanto, “Perbandingan algoritma c4.5 dan k-nn dalam identifikasi mahasiswa berpotensi drop out,” Metik J., vol. 2, no. 2, pp. 31–37, 2018.
[28] P. Bidang Komputer Sains dan Pendidikan Informatika, D. Akademi Perekam dan Informasi Kesehatan Iris Padang Jl Gajah Mada No, and S. Barat, “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” J. Edik Inform., vol. 2, pp. 213–219, 2019.
[2] S. Sonang S and A. T. Purba, “Implementasi Topsis Dalam Pemberian Reward Guru Terbaik Pada Smk Swasta 1 Hkbp Pematangsiantar,” J. Tek. Inf. dan Komput., vol. 4, no. 1, pp. 1–8, 2021, doi: 10.37600/tekinkom.v4i1.226.
[3] K. H. Sabi and L. Van Gobel, “Promosi Jabatan Eselon Iv Pada Badan Kepegawaian Pendidikan Dan Pelatihan Kabupaten Gorontalo,” Publik J. Manaj. Sumber Daya Manusia, Adm. dan Pelayanan Publik, vol. 6, no. 2, pp. 94–105, 2019, doi: 10.37606/publik.v6i2.10.
[4] U. Bagou, “PROSES SELEKSI PEGAWAI TIDAK TETAP DI SEKOLAH STIA,” J. Manaj. Sumber Daya Manusia, Adm. dan Pelayanan Publik, vol. I, no. 2, pp. 127–135, 2014.
[5] C. Paramitha Lubis, R. Rosnelly, and Z. Situmorang, “PENERAPAN METODE NAÏVE BAYES DAN C4.5 PADA PENERIMAAN PEGAWAI DI UNIVERSITAS POTENSI UTAMA,” CSRID J., vol. 12, no. 1, pp. 51–63, 2020, doi: 10.22303/csrid.12.1.2020.51-63.
[6] N. A. Sinaga and A. T. Purba, “Penerapan Algoritma C.45 Untuk Memprediksi Tingkat Kepuasan Mahasiswa Terhadap Politeknik Bisnis Indonesia,” TEKINKOM, vol. 4, no. 2, pp. 245–254, 2021.
[7] A. T. Purba and V. M. M. Siregar, “Sistem Penyeleksi Mahasiswa Baru Berbasis Web Menggunakan Metode Weighted Product,” J. Tek. Inf. dan Komput., vol. 3, no. 1, pp. 1–8, 2020, doi: 10.37600/tekinkom.v3i1.117.
[8] N. A. Sinaga, K. Dalimunthe, and M. Sayid, “Komparasi Metode Decision Tree , KNN , dan SVM Untuk,” J. Sist. Komput. dan Inform., vol. 3, no. 2, pp. 94–100, 2021, doi: 10.30865/json.v3i2.3598.
[9] Z. I. Sholihati and I. Tahyudin, “Pengembangan Aplikasi Tiga-Tingkat Menggunakan Metode Scrum pada Aplikasi Presensi Karyawan Glints Academy,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 6, no. 1, pp. 169–176, 2022.
[10] Y. Chen et al., “Fast density peak clustering for large scale data based on kNN,” Knowledge-Based Syst., vol. 187, p. 104824, 2020, doi: 10.1016/j.knosys.2019.06.032.
[11] W. Xing and Y. Bei, “Medical Health Big Data Classification Based on KNN Classification Algorithm,” IEEE Access, vol. 8, pp. 28808–28819, 2020, doi: 10.1109/ACCESS.2019.2955754.
[12] Y. K. Saheed, M. A. Hambali, M. O. Arowolo, and Y. A. Olasupo, “Application of GA Feature Selection on Naive Bayes, Random Forest and SVM for Credit Card Fraud Detection,” 2020 Int. Conf. Decis. Aid Sci. Appl. DASA 2020, pp. 1091–1097, 2020, doi: 10.1109/DASA51403.2020.9317228.
[13] I. G. Bendesa Subawa, “Prediksi Kelulusan Mahasiswa Menggunakan Teorema Teorema Bayes,” JANAPATI, vol. 8, no. 3, pp. 227–236, 2019.
[14] A. M. Rahat, A. Kahir, and A. K. M. Masum, “Comparison of Naive Bayes and SVM Algorithm based on Sentiment Analysis Using Review Dataset,” Proc. 2019 8th Int. Conf. Syst. Model. Adv. Res. Trends, SMART 2019, pp. 266–270, 2020, doi: 10.1109/SMART46866.2019.9117512.
[15] Y. F. Manalu and G. Ginting, “Analisis Perancangan Aplikasi Pengklasifikasi Dokumen pada BPKA Deli Serdang Menggunakan Algoritma Naive Bayes,” JURIKOM (Jurnal Ris. Komputer), vol. 8, no. 4, pp. 114–119, 2021, doi: 10.30865/jurikom.v8i4.3591.
[16] T. Purwoningsih, H. B. Santoso, K. A. Puspitasari, and Z. A. Hasibuan, “Early Prediction of Students’ Academic Achievement : Categorical Data from Fully Online Learning on Machine-Learning Classification Algorithms,” J. Hunan Univ. Sci., vol. 48, no. 9, pp. 131–141, 2021, [Online]. Available: http://jonuns.com/index.php/journal/article/view/713/710.
[17] H. N. Irmanda and Ria Astriratma, “Klasifikasi Jenis Pantun Dengan Metode Support Vector Machines (SVM),” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 4, no. 5, pp. 915–922, 2020, doi: 10.29207/resti.v4i5.2313.
[18] J. W. Iskandar and Y. Nataliani, “Perbandingan Naïve Bayes, SVM, dan k-NN untuk Analisis Sentimen Gadget Berbasis Aspek,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 6, pp. 1120–1126, 2021, doi: 10.29207/resti.v5i6.3588.
[19] B. Budiman, “Perbandingan Algoritma Klasifikasi Data Mining untuk Penelusuran Minat Calon Mahasiswa Baru,” Nuansa Inform., vol. 15, no. 2, pp. 37–52, 2021, doi: 10.25134/nuansa.v15i2.4162.
[20] N. Nuraeni, “Klasifikasi Data Mining untuk Prediksi Potensi Nasabah dalam Membuat Deposito Berjangka,” J. Ilm. Intech Inf. Technol. J. …, vol. 3, no. 01, pp. 65–74, 2021, [Online].
[21] H. Hozairi, A. Anwari, and S. Alim, “Implementasi Orange Data Mining Untuk Klasifikasi Kelulusan Mahasiswa Dengan Model K-Nearest Neighbor, Decision Tree Serta Naive Bayes,” Netw. Eng. Res. Oper., vol. 6, no. 2, p. 133, 2021, doi: 10.21107/nero.v6i2.237.
[22] D. I. Ramadhan, B. Santoso, D. Teknik, I. Teknologi, and S. Nopember, “Analisis Kinerja Peramalan dan Klasifikasi Permintaan Auto Parts Berbasis Data Mining,” J. Tek. ITS, vol. 9, no. 2, pp. 162–169, 2020.
[23] M. Azhari, Z. Situmorang, and R. Rosnelly, “Perbandingan Akurasi, Recall, dan Presisi Klasifikasi pada Algoritma C4.5, Random Forest, SVM dan Naive Bayes,” J. Media Inform. Budidarma, vol. 5, no. 2, p. 640, 2021, doi: 10.30865/mib.v5i2.2937.
[24] P. Akurasi, C. Algoritma, and D. A. N. Naïve, “Perbandingan Akurasi Algoritma C4.5 dan Naïve Bayes untuk Deteksi Dini Gangguan Autisme pada Anak,” J. IKRA-ITH Inform., vol. 3, no. 1, pp. 119–128, 2019.
[25] S. A. Naufal, A. Adiwijaya, and W. Astuti, “Analisis Perbandingan Klasifikasi Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN) untuk Deteksi Kanker dengan Data Microarray,” JURIKOM (Jurnal Ris. Komputer), vol. 7, no. 1, p. 162, 2020, doi: 10.30865/jurikom.v7i1.2014.
[26] Z. Situmorang, “Analisis Menentukan Pengembangan Karir Siswa SMK Dengan Mengunakan Metode K-Nerest Neighbor ( K-NN ),” vol. 1, pp. 589–594, 2019.
[27] Y. D. Atma and A. Setyanto, “Perbandingan algoritma c4.5 dan k-nn dalam identifikasi mahasiswa berpotensi drop out,” Metik J., vol. 2, no. 2, pp. 31–37, 2018.
[28] P. Bidang Komputer Sains dan Pendidikan Informatika, D. Akademi Perekam dan Informasi Kesehatan Iris Padang Jl Gajah Mada No, and S. Barat, “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” J. Edik Inform., vol. 2, pp. 213–219, 2019.
Published
2022-06-30
How to Cite
SINAGA, Novendra Adisaputra; HAYADI, B Herawan; SITUMORANG, Zakarias.
PERBANDINGAN AKURASI ALGORITMA NAÏVE BAYES, K-NN DAN SVM DALAM MEMPREDIKSI PENERIMAAN PEGAWAI.
Jurnal Tekinkom (Teknik Informasi dan Komputer), [S.l.], v. 5, n. 1, p. 27-34, june 2022.
ISSN 2621-3079.
Available at: <https://jurnal.murnisadar.ac.id/index.php/Tekinkom/article/view/446>. Date accessed: 18 apr. 2024.
doi: https://doi.org/10.37600/tekinkom.v5i1.446.
Issue
Section
Articles
