Sistem rekomendasi pemberian tugas tambahan guru SMK berbasis metode klasifikasi

ABSTRAK

Perkembangan suatu negara dipengaruhi oleh peningkatan Mutu Pendidikan negaranya, termasuk Indonesia yang masih tergolong negara berkembang. Pemerintah melalui Kementrian Pendidikan, Kebudayaan, Riset dan Teknologi mendorong peningkatan Mutu Pendidikan dengan bermacam-macam program. Sekolah sebagai salah satu pelaksana dalam meningkatkan Mutu Pendidikan harus siap melaksankan program dari pemerintah dengan menyiapkan segala sesuatunya, seperti SDM dalam mengelolah Sekolah.

Menejemen Sekolah sangatlah berperan penting dalam menjalankan semua program dari Pemerintah. Pemberian Tugas Tambahan bagi Guru untuk menempati Menejemen Sekolah merupakan sesuatu yang sangat penting. Dengan menggunakan Machine Learning diharapkan dapat membantu untuk mengklasifikasikan Guru yang direkomendasikan mendapat Tugas Tambahan.

Algoritma Naive Bayes dan Algoritma Decision Tree dipilih untuk mengelolah Dataset Guru sehingga akan menghasilkan performa accuracy, precision, recall dan f1-score pada masing-masing algoritma. Dari hasil pengujian algoritma Naive Bayes pada strategi eksperimen kedua menghasilkan nilai accuracy sebesar 83,5%, precision sebesar 67,1%, recall sebesar 67,1% dan f1-score sebesar 67,1%, sedangkan pengujian algoritma Decision Tree pada strategi eksperimen kedua menghasilkan nilai accuracy sebesar 79,4%, precision sebesar 58,8%, recall sebesar 58,8% dan f1-score sebesar 58,8%. Berdasarkan hasil pengujian strategi eksperimen kedua tersebut disimpulkan bahwa algoritma Naive Bayes sebagai metode terbaik karena memiliki nilai accuracy lebih baik daripada algoritma Decision Tree

مستخلص البحث

تطور أحد البلاد متأثر بترقية تعاليم البلاد، من ضمنه إندونيسيا الذي كان من البلاد النامية. الحكومة عبر وزارة تعليمية وثقافية وبحثية وتكنولوجية تشجع ترقية التعاليم بأنواع البرامج. المدرسة بكونها أحد المنفذين في ترقية التعاليم يلزم عليها أن تعمل بالبرامج من الحكومة بإعداد جميع أشياءها، مثل توفر الموارد البشرية في إدارة المدرسة. إدارة المدرسة لها مساهمة مهمة في عمل جميع البرامج من الحكومة.

فإعطاء المهمة الزائدة للمعلم لتوطين إدارة المدرسة من الأشياء المهمة. باستعمال دراسة مكينية يرجى أن تساعد في تصنيف المعلم المقترح للحصول على مهمة زائدة. خوارزمية نائف بايس و خوارزمية دچسسين تري لإدارة مجموعة بيانات المعلم بحيث ينتج عنها أداء دقة الاستدعاء والدقة الأسا سية والنتبحية و ف ي-سجور في كل خوارزمية. من نتائج أختبار كوارزمية نائف بايس عل فرشين بحجم ٦٧،١٪ ،

ريكول بحجم ٦٧،١٪، و درجة ف ي من ٦٧،١٪. أثناء اختبار خوارزمية دچسسين تري على الإستراتيجية التجريبة الثانية تنتج قيمة دقة ٧٩،٤٪، فريشين ٥٨،٨٪، ريكول بحجم ٥٨،٨٪، نتجة 1ف شكور ٨٥،٨٪. بناء على نتا ئج اختبار الإسترا تيجية التجريبية الثانية خلص الى أن خوارزمية بايزالساذجة هي أفضل طريقة لأنه يحتوي على قيمة دقة أفضل من خوارزمية دچسسين تري

ABSTRACT

The development of a country is influenced by the improvement of the quality of education in the country, including Indonesia which is still a developing country. The government through the Ministry of Education, Culture, Research and Technology encourages the improvement of the quality of education with various programs. Schools as one of the implementers in improving the quality of education must be ready to implement programs from the government by preparing everything, such as human resources in managing schools.

School management plays an important role in carrying out all programs from the government. Giving additional assignments for teachers to occupy the school management is something very important. By using Machine Learning, it is hoped that it can help classify teachers who are recommended to get additional assignments.

The Naive Bayes Algorithm and Decision Tree Algorithm were chosen to manage the teacher dataset so it will produce accuracy, precision, recall and f1-score performance for each algorithm. From the results of testing the Naive Bayes algorithm on the second experimental strategy, it produces an accuracy value of 83.5%, precision of 67.1%, recall of 67.1% and f1-score of 67.1%, while the Decision Tree algorithm testing on the experimental strategy the second produces an accuracy value of 79.4%, precision of 58.8%, recall of 58.8% and f1-score of 58.8%. Based on the results of testing the second experimental strategy, it is concluded that the Naive Bayes algorithm is the best method because it has a better accuracy value than the Decision Tree algorithm.