Implementasi Metode Klasifikasi Naïve Bayes Untuk Rekomendasi Siswa Dalam Pemilihan Bursa Kerja Khusus (BKK) di SMKN 1 Sukalarang
DOI:
https://doi.org/10.31980/petik.v11i1.1645Keywords:
Naïve Bayes, Classification, Special Job Market (BKK), , Student Recommendation, SEMMAAbstract
Abstrak
Pendidikan menjadi fondasi penting dalam mempersiapkan generasi menghadapi dunia kerja yang semakin kompleks. Di SMKN 1 Sukalarang, terdapat program Bursa Kerja Khusus (BKK) yang dikelola oleh UBIN Hubungan Industri, bertujuan membantu siswa akhir tahun mendapatkan informasi pekerjaan. Namun, penyebaran informasi ini seringkali hanya melalui media sosial, sehingga beberapa siswa kurang mendapat informasi yang diperlukan. Penelitian ini bertujuan membantu sekolah dalam menyebarkan informasi dan perekrutan pekerjaan melalui sistem rekomendasi siswa menggunakan metode klasifikasi Naïve Bayes. Metode Naïve Bayes adalah pendekatan umum dalam statistika dan pembelajaran mesin untuk klasifikasi, berdasarkan Teorema Bayes dengan asumsi independensi antar fitur. Asumsi ini menyederhanakan perhitungan dan meningkatkan efisiensi model. Penelitian ini menghasilkan sistem klasifikasi yang merekomendasikan siswa untuk pemilihan Bursa Kerja Khusus (BKK) di SMKN 1 Sukalarang, menentukan apakah siswa tersebut direkomendasikan untuk pekerjaan tertentu atau tidak.
Kata Kunci: Naïve Bayes, Klasifikasi, Bursa Kerja Khusus (BKK), Rekomendasi Siswa, SEMMA
Abstract
Schools provide a crucial foundation for equipping the younger generation to navigate the increasingly intricate challenges of the workforce. At SMKN 1 Sukalarang, a program known as BKK (Bursa Kerja Khusus) is managed by UBIN Industrial Relations, aiding final-year students in acquiring employment-related information. However, the dissemination of job information and recruitment is often limited to conventional social media, causing some students to miss out. This study aims to enhance the school’s ability to distribute information and facilitate recruitment by recommending students through Naïve Bayes classification. The Naïve Bayes method, widely used in statistics and machine learning, is based on Bayes' Theorem and operates on the premise that data features are independent. This premise simplifies calculations and enhances model efficiency. The study's outcome is a classification system that evaluates and recommends students for BKK at SMKN 1 Sukalarang, indicating whether a student is suitable for a specific job.
Keyword: Naïve Baye, Classification, Special Job Market (BKK), Student Recommendation, SEMMA
References
L. Setiyani, “Analisa Kebutuhan Sistem Aplikasi Bursa Kerja Khusus Di Smk Negeri 2 Karawang,” J. Ilm. Ilmu Komput., vol. 6, no. 2, pp. 20–27, 2020, doi: 10.35329/jiik.v6i2.135.
aldila prajamudi karaning Utami and J. Widodo, “Perencanaan Penyaluran Tenaga Kerja Oleh Bursa Kerja Khusus (Bkk) Smk Migas Cepu,” Econ. Educ. Anal. J., vol. 3, no. 3, pp. 418–422, 2014.
F. N. Mahmudah and A. R. Baswedan, “Peta Konsep Kebekerjaan Lulusan Pendidikan Vokasi Fitri Nur Mahmudah,” Bersatu J. Pendidik. Bhinneka Tunggal Ika, vol. 2, no. 2, pp. 207–219, 2024.
Sulistiani and Heni, “Penerapan Algoritma Klasifikasi Sebagai Pendukung Keputusan,” no. October 2018, pp. 300–305, 2020, doi: 10.31227/osf.io/yuavj.
E. Prasetyo, R. A. D. Rahajoe, and A. Arizal, “Perbandingan K-Support Vector Nearest Neighbour Terhadap Decision Tree dan Naive Bayes,” Semin. Nas. Tek. Inform., pp. 1–6, 2013.
R. Pratama, M. I. Herdiansyah, D. Syamsuar, and A. Syazili, “Prediksi Customer Retention Perusahaan Asuransi Menggunakan Machine Learning,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 12, no. 1, pp. 96–104, 2023, doi: 10.32736/sisfokom.v12i1.1507.
G. N. Elwirehardja, T. Suparyanto, and B. Pardamean, Machine Learning Untuk Pemula. 2023.
R. Ramadhandi, Santoso, Rani Megasari, Hambali, and Yudi Ahmad, “Implementasi Metode Machine Learning Menggunakan Algoritma Evolving Artificial Neural Network Pada Kasus Prediksi Diagnosis Diabetes Implementation of Machine Learning Method Using Evolving Artificial Neural Network Algorithm in Prediction of Diabetes Dia,” Jatikom, vol. 3, no. 2, pp. 9–20, 2020, [Online]. Available: https://ejournal.upi.edu/index.php/JATIKOM
R. Forest, “url : http://studentjournal.umpo.ac.id/index.php/komputek,” 2022.
Badan Pengembangan dan Pembinaan Bahasa, “Kamus Besar Bahasa Indonesia,” 2024.
D. Sartika and D. I. Sensuse, “Perbandingan Algoritma Klasifikasi Naive Bayes, Nearest Neighbour, dan Decision Tree pada Studi Kasus Pengambilan Keputusan Pemilihan Pola Pakaian,” Jatisi, vol. 1, no. 2, pp. 151–161, 2017, [Online]. Available: https://jurnal.mdp.ac.id/index.php/jatisi/article/view/78
J. Wira and G. Putra, “Putra, Jan Wira Gotama. (2020). Pengenalan Pembelajaran Mesin dan Deep Learning.,” vol. 4, 2020.
G. P. Kawani, “Implementasi Naive Bayes,” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 1, no. 2, pp. 73–81, 2019, doi: 10.20895/inista.v1i2.73.
M. Reza and D. Kumalasari, “Analisis Komparasi Algoritma Klasifikasi Data Mining Untuk Prediksi Status Kelulusan,” vol. 3, no. 2, pp. 29–36, 2019.
Rayuwati, Husna Gemasih, and Irma Nizar, “Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid,” Jural Ris. Rumpun Ilmu Tek., vol. 1, no. 1, pp. 38–46, 2022, doi: 10.55606/jurritek.v1i1.127.
