Klasifikasi keterlambatan pembayaran SPP menggunakan Naïve Bayes dan Support Vector Machine

ABSTRAK

Keterlambatan pembayaran SPP merupakan salah satu masalah yang sering dihadapi oleh sekolah. Hal ini dikarenakan dapat berpengaruh pada proses penggajian guru dan karyawan maupun program peningkatan mutu pendidikan di lingkungan sekolah. Penelitian ini bertujuan untuk melakukan klasifikasi keterlambatan pembayaran SPP menggunakan Naïve Bayes dan Support Vector Machine. Uji coba metode dilakukan dengan 5 kali percobaan. Berdasarkan hasil pengujian diperoleh rata rata performa Naïve Bayes yaitu accuracy (62,88%), precision (65,27%), recall (77,42%) dan f1-score (70,75%). Sedangkan rata rata performa Support Vector Machine yaitu accuracy (63,51%), precision (62,25%), recall (94,48%) dan f1-score (75,04%).

ABSTRACT

Late fee payment often occurs at schools. It can affect teacher and staff salary payment process and educational quality improvement programs at school. The research aims to classify the late school fee payment using Naïve Bayes and Support Vector Machine. The researcher conducted the method trial five times. The testing result shows that the Naïve Bayes average performances for accuracy, precisión, recall, and f1-score are 62.88%, 65.27%, 77.42%, and 70.75%, respectively. Meanwhile, the average performances of the Support Vector Machine for accuracy, precision, recall, and f1-score are 63.51%, 62.25%, 94.48%, and 75.04%.

مستخلص البحث

يعد التأخر في سداد الرسوم الدراسية أحد المشكلات التي تواجهها المدارس في كثير من الأحيان. هذا لأنه يمكن أن يؤثر على عملية كشوف المرتبات للمعلمين والموظفين وكذلك برامج تحسين جودة التعليم في البيئة المدرسية. تهدف هذه الرسالة إلى تصنيف التأخر في سداد الرسوم الدراسية باستخدام ساذج بايز وآلة المتجه الداعم. أجريت تجربة الطريقة بخمس تجارب. بناء على نتائج الاختبار، كان متوسط أداء ساذج بايز هو الدقة (62.88٪) والثبات (65.27٪) والاستدعاء (77.42٪) ودرجة ف1 (70.75٪). في حين أن متوسط أداء آلة المتجه الداعم هو الدقة (63.51٪) والثبات (62.25٪) والاستدعاء (94.48٪) ودرجة ف1 (75.04٪).