Feature Selection using Particle Swarm Optimization Algorithm in Student Graduation Classification with Naive Bayes Method
| Main Authors: | Evi Purnamasari, Rini, Dian Palupi, Sukemi |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Ikatan Ahli Informatika Indonesia (IAII)
, 2020
|
| Subjects: | |
| Online Access: |
http://jurnal.iaii.or.id/index.php/RESTI/article/view/1833 http://jurnal.iaii.or.id/index.php/RESTI/article/view/1833/251 |
Daftar Isi:
- The study of the classification of student graduation at a university aims to help the university understand the academic development of students and to be able to find solutions in improving the development of student graduation in a timely manner. The Naive Bayes method is a statistical classification method used to predict a student's graduation in this study. The classification accuracy can be improved by selecting the appropriate features. Particle Swarm Optimization is an evolutionary optimization method that can be used in feature selection to produce a better level of accuracy. The testing results of the alumni data using the Naive Bayes method that optimized with the Particle Swarm Optimization algorithm in selecting appropriate features, producing an accuracy value of 86%, 6% higher than the classification without feature selection using the Naive Bayes method.
- Studi tentang klasifikasi kelulusan mahasiswa di sebuah Perguruan Tinggi bertujuan untuk membantu pihak universitas memahami perkembangan akademik mahasiswa serta agar dapat mencari solusi dalam peningkatan perkembangan kelulusan mahasiswa secara tepat waktu. Metode Naive Bayes merupakan metode pengklasifikasian statistik yang digunakan untuk memprediksi suatu kelulusan mahasiswa dalam penelitian ini. Peningkatan akurasi klasifikasi dapat dilakukan dengan memilih fitur yang sesuai. Particle Swarm Optimization merupakan metode optimasi yang bersifat evolusioner yang dapat digunakan dalam seleksi fitur untuk menghasilkan tingkat akurasi yang lebih baik. Hasil pengujian terhadap data alumni menggunakan metode Naive Bayes yang dioptimasi dengan algoritma Particle Swarm Optimization dalam memilih fitur yang sesuai, menghasilkan nilai akurasi 86%, lebih tinggi 6% dibandingkan klasifikasi yang tanpa seleksi fitur menggunakan metode Naive Bayes.