REKOMENDASI MODA TRANSPORTASI MAHASISWA DENGAN ALGORITMA NAIVE BAYES (STUDI KASUS : FAKULTAS SAINS DAN TEKNOLOGI UIN SYARIF HIDAYATULLAH JAKARTA)

Rizki Fajar Febriansyah
Fauzan Rivaldo Sukardi
Qurrotul Aini

Abstract


Semakin bertambahnya jumlah manusia mengakibatkan pertumbuhan akan kebutuhan transportasi semakin meningkat untuk berpindah dari satu tempat ke tempat lain. Saat ini transportasi dibutuhkan oleh seluruh aspek dalam lini kehidupan, tidak terkecuali mahasiswa Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta. Untuk menuju kampus, mahasiswa dapat menggunakan moda transportasi umum maupun pribadi. Ada banyak faktor yang dapat dipertimbangkan untuk menentukan moda transportasi apa yang efektif dan efisien untuk digunakan oleh mahasiswa untuk mencapai kampus. Faktor-faktor tersebut seperti jumlah uang saku mingguan, alokasi untuk transportasi per minggu, jarak menuju kampus, waktu tempuh, kepemilikan kendaraan pribadi, serta kepemilikan SIM. Penelitian ini akan membahas tentang bagaimana cara memberikan rekomendasi moda transportasi yang efektif dan efisien untuk digunakan oleh mahasiswa menuju kampus berdasarkan faktor yang telah disebutkan sebelumnya. Untuk memberikan rekomendasi moda transportasi, dilakukan pengolahan data dengan metode data mining menggunakan algoritma naïve bayes. Data penelitian ini diambil dari mahasiswa Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta. Berdasarkan hasil pengujian menggunakan 45 dataset didapatkan nilai Accuracy sebesar 92.86%, yang dengan demikian dapat memberikan rekomendasi moda transportasi apa yang efektif dan efisien untuk digunakan oleh mahasiswa Fakultas Sains dan Teknologi untuk menuju UIN Syarif Hidayatullah Jakarta

Keywords


naïve bayes, transportasi, data mining, rapidminer.

Teks Lengkap:

PDF

Referensi


D. Andriansyah, “Manajemen Transportasi Dalam Kajian Dan Teori,” Jakarta Pus. Fak. Ilmu Sos. dan Ilmu Polit. Univ. Prof. Dr. Moestopo Beragama, 2015.

B. Santosa, “Data mining teknik pemanfaatan data untuk keperluan bisnis,” Yogyakarta Graha Ilmu, vol. 978, no. 979, p. 756, 2007.

Y. Lukito, “Deteksi Komentar Spam Bahasa Indonesia Pada Instagram Menggunakan Naive Bayes,” Ultimatics, vol. 9, no. 1, pp. 50–58, 2017.

M. S. Mustafa, M. R. Ramadhan, and A. P. Thenata, “Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,” Creat. Inf. Technol. J., vol. 4, no. 2, pp. 151–162, 2018.

M. H. Rifqo and A. Wijaya, “Implementasi Algoritma Naive Bayes dalam Penentuan Pemberian Kredit,” Pseudocode, vol. 4, no. 2, pp. 120–128, 2017.

D. T. Larose, “Discovering Knowledge in Data. New Jersey: John Willey & Sons.” Inc, 2005.

D. Ariadi and K. Fithriasari, “Klasifikasi Berita Indonesia Menggunakan Metode Naive Bayesian Classification dan Support Vector Machine dengan Confix Stripping Stemmer,” J. Sains dan Seni ITS, vol. 4, no. 2, 2016.

B. R. CTI, A. A. Gafar, N. Fajriani, U. Ramdani, F. R. Uyun, and N. Ransi, “Implemetasi k-means clustering pada rapidminer untuk analisis daerah rawan kecelakaan,” in Prosiding Seminar Nasional Riset Kuantitatif Terapan 2017, 2017, vol. 1, no. 1.




DOI: https://doi.org/10.24176/simet.v10i2.3566

Article Metrics

Abstract views : 23| PDF views : 4

Refbacks

  • Saat ini tidak ada refbacks.


free hit counter View My Stats

Indexed by:

 

Flag Counter

Creative Commons License
Simetris : Jurnal Teknik Mesin, Elektro dan Ilmu Komputer is licensed under a Creative Commons Attribution 4.0 International License.

Dedicated to: