Escolar Documentos
Profissional Documentos
Cultura Documentos
ABSTRAK
Keberhasilan suatu proses belajar dipengaruhi oleh kemampuan individu untuk memusatkan perhatian
terhadap objek yang sedang dipelajarinya. Gaya belajar merupakan suatu kombinasi dari bagaimana
individu menyerap lalu mengatur dan mengelola informasi (setiap individu memiliki gaya belajar yang
berbeda, khususnya dalam menerima dan mengelola informasi yang menurut individu nyaman, terkait
dengan hal tersebut maka konsentrasi merupakan aspek yang penting bagi seseorang dalam mencapai
keberhasilan belajar. Tujuan penelitian ini untuk mengetahui kemampuan daya tangkap belajar mahasiswa
dalam menerima materi yang disampaikan oleh pengajar. Penelitian ini merupakan implementasi data
mining yaitu proses pengekstraksian informasi dari sekumpulan data yang sangat besar melalui
penggunaan algoritma naive bayes pendekatan statistik yang fundamental dalam pengenalan pola,
penelitian ini dilakukan distmik pringsewu dengan mengambil sample mahasiswa sebanyak 20 orang
yang terdiri dari pria dan wanita, dengan usia yang beragam. Jadi dapat disimpulkan bahwa algoritma
naive bayes memberikan solusi untuk membantu dosen dalam menentukan strategi yang tepat dalam
kegiatan belajar mengajar.
Kata Kunci : Algoritma naive bayes,Belajar,data mining.
Di mana :
Gambar 2.1 X : Data dengan class yang belum
diketahui
a. Pembersihan data (Data Cleaning) H : Hipotesis data merupakan suatu class
Pembersihan data merupakan proses spesifik
menghilang-kan noise dan data yang tidak P(H|X) : Probabilitas hipotesis H berdasar
konsisten atau data tidak relevan. kondisi X (posteriori probabilitas)
b. Integrasi data (Data Integration) Integrasi P(H) : Probabilitas hipotesis H (prior
data merupakan penggabungan data dari probabilitas)
berbagai database ke dalam satu database baru. P(X|H) : Probabilitas X berdasarkan kondisi
c. Seleksi data (Data Selection) Data yang ada pada hipotesis H
pada database sering kali tidak semuanya P(X) : Probabilitas X
Untuk menjelaskan metode Naive Bayes, perlu
diketahui bahwa proses klasifikasi memerlukan �(�𝑖|�,��)=�(�𝑖|�)
sejumlah petunjuk untuk menentukan kelas apa Persamaan di atas merupakan model dari
yang cocok bagi sampel yang dianalisis tersebut. teorema Naive Bayes yang selanjutnya akan
Karena itu, metode Naive Bayes di atas digunakan dalam proses klasifikasi. Untuk
disesuaikan sebagai berikut: klasifikasi dengan data kontinyu digunakan
rumus Densitas Gauss :
�(�|�1…��) = �(�)�(�1…��|�
�(�1…��)
Dapat dilihat bahwa hasil penjabaran tersebut Gambar 2.2. Alur Metode Naive Bayes
menyebabkan semakin banyak dan semakin Adapun keterangan dari gambar 2 di atas sebagai
kompleksnya faktor - faktor syarat yang berikut:
mempengaruhi nilai probabilitas, yang hampir 1. Baca data training
mustahil untuk dianalisa satu persatu. Akibatnya, 2.Hitung Jumlah dan probabilitas, namun apabila
perhitungan tersebut menjadi sulit untuk data numerik maka:
dilakukan. Di sinilah digunakan asumsi a. Cari nilai mean dan standar deviasi dari
independensi yang sangat tinggi (naif), bahwa masing-masing parameter yang merupakan
masing-masing petunjuk (F1,F2...Fn) saling data numerik.
bebas (independen) satu sama lain. Dengan Adapun persamaan yang digunakan untuk
asumsi tersebut, maka berlaku suatu kesamaan menghitung nilai rata – rata hitung (mean) dapat
sebagai berikut: dilihat sebagai berikut :
Daftar Pustaka
As’ad, B. (2016) ‘PREDIKSI KEPUTUSAN
MENGGUNAKAN METODE KLASIFIKASI
NAÏVE BAYES, ONE-R, DAN DECISION
TREE DECISION’, pp. 1–10.
Dewi, I. A. G. B. P. and Indrawati, K. R.
(2014) ‘Perilaku Mencatat dan Kemampuan
Memori pada Proses Belajar’, Jurnal Psikologi
Udayana, 1(2), pp. 241–250.
Imron, M. (2017) ‘PENERAPAN DATA
MINING ALGORITMA NAIVES BAYES DAN
PART UNTUK MENGETAHUI MINAT BACA
MAHASISWA DI PERPUSTAKAAN STMIK
AMIKOM PURWOKERTO’, 10(2), pp. 121–
135.
Liberti, S. (2012) ‘FAKTOR-FAKTOR
YANGMEMPENGARUHI DAYA SERAP
TERHADAP ILMU STATIKA DAN
TEGANGAN PADA SISWAKELAS X
BIDANG KEAHLIAN TEKNIK BANGUNAN
DI SMK N 2 YOGYAKARTA’, p. 84.
Marleny, F. D., Junaidi, H. M. and Mambang
(2015) ‘PENERAPAN K-MEANS CLUSTER
UNTUK PENGARUH KECERDASAN EMOSI
DAN STRES TERHADAP PRESTASI
BELAJAR MAHASISWA’, (ISSN:2302-3805),
pp. 6–8.
Rahman, F. and Firdaus, M. I. (2016)
‘Penerapan Data Mining Metode Naïve Bayes
Untuk Prediksi Hasil Belajar Siswa Sekolah
Menengah Pertama (Smp)’, Al Ulum Sains dan
Teknologi, 1(2), pp. 76–78.
Saleh, A. (2015) ‘Implementasi Metode
Klasifikasi Naïve Bayes dalam Memprediksi
Besarnya Penggunaan Listrik Rumah Tangga’,
Citec Journal, 2(3), pp. 207–217. Available at:
ojs.amikom.ac.id/index.php/citec/article/downloa
d/375/355.