PENERAPAN ALGORITMA GRADIENT BOOSTING CLASSIFIER UNTUK REKOMENDASI PILIHAN JURUSAN PADA SMK YADIKA 12 DEPOK

• HADI PRIYONO

---

ABSTRAK

ABSTRAK

Hadi Priyono (12207003), PENERAPAN ALGORITMA GRADIENT BOOSTING CLASSIFIER UNTUK REKOMENDASI PILIHAN JURUSAN PADA SMK YADIKA 12 DEPOK

Pemilihan jurusan merupakan faktor yang krusial bagi calon siswa yang akan melanjutkan pendidikan di SMK. Namun, siswa cenderung mengikuti pilihan orang tua atau teman tanpa mempertimbangkan kurikulum yang sesuai dengan minat dan kemampuannya. Akibatnya, banyak siswa yang kesulitan mengikuti pelajaran sehingga berdampak pada menurunnya prestasi akademiknya. Para siswa harus perlu mempertimbangkan jurusan sesuai dengan minatnya. Model RIASEC merupakan salah satu metode pendeteksian minat yang digunakan untuk mengetahui tipe kepribadian siswa. Tujuan penelitian ini adalah membangun model untuk merekomendasikan pilihan jurusan pada SMK Yadika 12 Depok. Penelitian ini melakukan klasifikasi menggunakan beberapa algoritma klasifikasi untuk menentukan algoritma klasifikasi terbaik. Algoritma yang digunakan adalah Multinomial Naïve Bayes, Gaussian Naïve Bayes, Bernoulli Naïve Bayes, Gradient Boosting Classifier, Decision Tree Classifier, K Neighbors Classifier, dan LogisticRegressionn. Hasil penelitian menunjukkan algoritma klasifikasi terbaik adalah Gradient Booster Classifier yang memiliki akurasi sebesar 74% dan nilai recall sebesar 76%.

KATA KUNCI

Algoritma Gradient Bossting

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1] D. S. Wardani, T. Suratmi, and Wardojo, “DETERMINAN YANG BERHUBUNGAN DENGAN MINAT MASYARAKAT DALAM MEMILIH SEKOLAH KEJURUAN ( STUDI SMK BUDHI WARMAN II TAHUN 2017 ) SMK Budhi Warman II is one of the private vocational school in the region of DKI Jakarta . At the,” Mabiska, vol. 3, pp. 19–29, 2018.

[2] Badan Pusat Statistik, Potret Pendidikan Indonesia?: statistik Pendidikan 2020. 2020.

[3] Kementerian Pendidikan dan Kebudayaan, Spektrum Keahlian Sekolah Menengah Kejuruan (SMK)/Madrasah ALiyah Kejuruan (MAK). 2018.

[4] M. Rahmayu and R. K. Serli, “Sistem Pendukung Keputusan Pemilihan Jurusan Pada Smk Putra Nusantara Jakarta Menggunakan Metode Analytical Hierarchy Process (AHP),” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 9, no. 1, pp. 551–564, 2018.

[5] H. Y. F. Fitri and Saraswati Sinta, “PENGARUH SELF DETERMINATION DAN PRESTASI AKADEMIK TERHADAP KEMATANGAN KARIER SISWA MA NU NURUL HUDA,” G-COUNS J. Bimbing. dan Konseling, vol. 5, no. 2, pp. 247–257, 2021.

[6] F. Rini, N. Kahar, and Juliana, “Penerapan Algoritma K-Means Pada Pengelompokan Data Siswa Baru Berdasarkan Jurusan Di Smk Negeri 1 Kota Jambi Berbasis Web,” in Seminar Nasional APTIKOM, 2016, pp. 94–99.

[7] S. N. Mahmudah and A. Lianawati, “Bimbingan Kelompok Berbasis RIASEC Efektif Meningkatkan Kemantapan Pemilihan Karier Siswa Kelas XII SMA,” J. Bimbing. dan Konseling Ter., vol. 4, no. 2, pp. 126–132, 2020, doi: 10.26539/teraputik-42427.

[8] F. K. Hidayat and S. N. Wahyuni, “Pendeteksian Minat Dan Bakat Menggunakan Metode Riasec,” Indones. J. Bus. Intell., vol. 2, no. 1, p. 32, 2019, doi: 10.21927/ijubi.v2i1.1023.

[9] I. M. Prabowo and Subiyanto, “Sistem rekomendasi penjurusan sekolah menengah kejuruan dengan algoritma c4.5,” J. Kependidikan, vol. 1, no. 1, pp. 139–149, 2017.

[10] Sumpena, Y. Akbar, and Nirat, “PENERIMAAN CALON SISWABARU DAN PENENTUAN PENJURUSAN DENGAN ALGORITMA C 4.5 SMK PLUS PGRI 1 CIBINONG Selection and peer-review under responsibility of The 11th STIKOM CKI on SPOT,” CKI SPOT, vol. 11, no. 2, pp. 181–191, 2018.

[11] E. N. Fauziyah and S. R. Nudin, “Sistem Pendukung Keputusan Penentuan Jurusan di SMKN 1 Pungging Menggunakan Gradient Boosting Tree,” vol. 3, pp. 46 47 42–50, 2021.

[12] fuad Abdillah, Manajeman Organisasi Pendidikan Kejuruan. Jawa Timur: Cerdas Ulet Kreatif, 2020.

[13] Suyitno, Pendidikan Vokasi Dan Kejuruan Strategi Dan Revitalisasi Abad 21, 2020th ed. Yogyakarta: K-Media, 2020.

[14] E. Sulasmi, Kebijakan dan Permasalahan Pendidikan, Pertama. Medan: Umsu Press, 2021.

[15] S. Hafsoh and A. M. Yusuf, “Knowing Student ’ S Personality Types in the Determination of Career Selection According To Holland ’ S Theory,” vol. 1, no. 3, pp. 88–98, 2021.

[16] A. S. Sunge, H. Fidiawan, P. Studi, T. Informatika, S. Tinggi, and T. Pelita, “Data Mining, Penjualan Produk, Decision Tree, Algoritma C4.5 . ,” -Jurnal Teknol. Pelita Bangsa, vol. 9, pp. 97–103, 2019.

[17] R. T. Vulandari, Data Mining Teori dan Rapidminer, 1st ed. Yogyakarta: Gava Media, 2017.

[18] R. S. and N. Tes., “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru ( Studi Kasus?: Politeknik Lp3i Jakarta ),” J. Lentera Ict, vol. 3, no. 1, pp. 76–92, 2016.

[19] M. Muir, “SAP Machine Learning: Approaching your Project,” 2018. [Online]. Available: https://blogs.sap.com/2018/08/28/sap-machine-learning-approachingyour-project/.

[20] E. Retnoningsih and R. Pramudita, “Mengenal Machine Learning Dengan Teknik Supervised Dan Unsupervised Learning Menggunakan Python,” BINA Insa. ICT J., vol. 7, no. 2, p. 156, 2020, doi: 10.51211/biict.v7i2.1422.

[21] A. I. Riaddy, Y. Sibaroni, and A. Aditsania, “Ekstraksi Informasi pada Makalah Ilmiah dengan Pendekatan Supervised Learning,” e-Proceeding Eng., vol. 3, no. 1, pp. 1184–1190, 2016

[22] N. Buslim and R. P. Iswara, “Pengembangan Algoritma Unsupervised Learning Technique Pada Big Data Analysis di Media Sosial sebagai media promosi Online Bagi Masyarakat,” J. Tek. Inform., vol. 12, no. 1, pp. 79–96, 2019, doi: 10.15408/jti.v12i1.11342.

[23] Z. Qiu, E. Cho, X. Ma, and W. M. Campbell, “Graph-based semi-supervised learning for natural language understanding,” EMNLP-IJCNLP 2019 - GraphBased Methods Nat. Lang. Process. - Proc. 13th Work., pp. 151–158, 2019, doi: 10.18653/v1/d19-5318.

[24] J. Andreanus and A. Kurniawan, “Sejarah , Teori Dasar dan Penerapan Reinforcement Learning?: Sebuah Tinjauan Pustaka,” J. Telemat., vol. 12, no. 2, pp. 113–118, 2018. 47 48

[25] H. Azis, P. Purnawansyah, F. Fattah, and I. P. Putri, “Performa Klasifikasi K-NN dan Cross Validation Pada Data Pasien Pengidap Penyakit Jantung,” Ilk. J. Ilm., vol. 12, no. 2, pp. 81–86, 2020, doi: 10.33096/ilkom.v12i2.507.81-86.

[26] Fitri, K. R. R, A. Rahmansyah, and W. Darwin, “Penggunaan Bahasa Pemrograman Python Sebagai Pusat Kendali Pada Robot 10-D,” 5th Indones. Symp. Robot. Syst. Control, pp. 23–26, 2017.

[27] E. Sutoyo and M. A. Fadlurrahman, “Penerapan SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Television Advertisement Performance Rating Menggunakan Artificial Neural Network,” JEPIN (Jurnal Edukasi dan Penelit. Inform., vol. 6, no. 3, pp. 379–385, 2020.