Prediksi kondisi pembayaran biaya pendidikan sekolah berbasis klasifikasi ekonomi siswa

ABSTRAK

Biaya pendidikan yang dibayarkan siswa merupakan salah satu sumber dana tetap dalam meningkatkan kualitas pendidikan bagi sekolah swasta. Dalam melakukan transaksi pembayaran biaya pendidikan, apabila para siswa menunggak dalam membayar biaya pendidikan, maka hal tersebut menjadi masalah karena dapat menghambat proses kegiatan belajar mengajar di sekolah. Oleh karena itu, perlu adanya evaluasi yang dilakukan dalam pembayaran biaya pendidikan. Untuk mengatasi permasalahan tersebut perlu dilakukan pengelompokan kondisi ekonomi siswa dengan menggunakan data mining. Penelitian tersebut dilakukan dengan menggunakan beberapa variabel seperti jumlah pendapatan, tanggungan keluarga, pekerjaan orang tua, dengan menggunakan data kondisi siswa. Data yang ada dianalisis diimplementasikan kedalam bentuk pemrograman menggunakan bahasa pemrograman python dengan algoritma Naïve Bayes dan Decision Tree. Naïve Bayes dan Decision Tree merupakan salah satu metode pada Probabilistic Reasonig. Hasil akurasi yang diperoleh algoritma Naïve Bayes dan Decision Tree adalah 71%.

ABSTRACT

One way that private schools can raise fixed funds to improve education quality is through student tuition fees. If students are behind on their education costs, it's a problem because it can slow down teaching and learning in schools. When transactions are made to pay for education, this can cause problems. As a result, a payment evaluation for educational expenses must be carried out. Using data mining, it is necessary to group students' economic circumstances in order to solve this issue. The examination was done utilizing a few factors, for example, pay, family wards, parental work, utilizing understudy condition information. Using the python programming language and the Naive Bayes and Decision Tree algorithms, the analyzed existing data is programmed. One approach to probabilistic reasoning is the use of novice bayes and decision trees. The Naive Bayes and Decision Tree algorithms achieve an accuracy of 71%.

مستخلص البحث

تعتبر الرسوم الدراسية التي يدفعها الطلاب من المصادر الدائمة للتمويل في تحسين جودة التعليم للمدارس الخاصة. عند إجراء معاملات الدفع لرسوم التعليم ، إذا تأخر الطلاب في دفع الرسوم الدراسية ، فإن هذا يصبح مشكلة لأنه يمكن أن يعيق عملية أنشطة التدريس والتعلم في المدرسة. لذلك ، هناك حاجة لإجراء تقييم في دفع الرسوم الدراسية. للتغلب على هذه المشاكل ، من الضروري تجميع الظروف الاقتصادية للطلاب باستخدام التنقيب عن البيانات. تم إجراء البحث باستخدام عدة متغيرات مثل مقدار الدخل ، والمُعالين من الأسرة ، وعمل الوالدين ، باستخدام بيانات عن ظروف الطالب. يتم تحليل البيانات الحالية وتنفيذها في شكل برمجة باستخدام لغة برمجة الثعابين مع خوارزميات نايف بايز و. كلا الطريقتين هي إحدى طرق التفكير الاحتمالي. بلغت نتائج الدقة التي حصلت عليها خوارزمية وشجرة القرار 71٪.