Algoritma Naive Bayes untuk Mengklasifikasikan Kepribadian Siswa SMP Berdasarkan Tipologi Hippocrates-Galenus

Meilana Meilana, Yuli Astuti, Irma Rofni Wulandari, Istri Sulistyowati, Brigida Arie Mimartiningtyas

Abstract


Abstrak

Perkembangan teknologi informasi berbasis komputer rentan memberikan dampak yang negatif terhadap siswa di usia remaja, secara khusus pada jenjang SMP yaitu usia 12 hingga 15 tahun. Usia tersebut merupakan masa peralihan usia anak-anak menuju remaja. Guru bimbingan konseling (BK)  menjadi wadah untuk membenahi serta mendidik para siswa yang mempunyai permasalahan dari segi psikologi, karakteristik, ataupun hal pendukung lainnya. Namun pada prakteknya saat kegiatan konseling siswa akan merasa malu mengungkapakan permasalahan yang dihadapi dan cenderung menutupinya sehingga BK butuh banyak waktu untuk mengetahui permasalahan dan karakter siswa.   Oleh karena itu diperlukan sistem untuk mengetahui karakteristik yang dimiliki oleh siswa, dengan tujuan agar BK dapat berkomunikasi dengan baik terhadap siswa yang memiliki permasalahan dan bisa mengetahui karakternya sehingga akan mempermudah dalam penanganannya. Penerapan algoritma Naïve Bayes Classifier pada penelitian ini ditujukan untuk mengklasifikasikan data berdasarkan  karakteristik yang sudah di tentukan sebelumnya, yakni sanguin, koleris, melankolis, plegmatis. Metode ini digunakan untuk mentukan kelas tertinggi yang akan ditujukan pada karakteristik kepribadian tersebut. Atribut yang diperlukan pada penelitian ini adalah nama siswa, usia, jenis kelamin, asal sekolah serta jawaban soal test A, B, C, dan D. Pengujian terhadap sistem dilakukan sebanyak 6 kali pengujian, dimana pengujian pertama mendapatkan nilai akurasi sebesar 68,57%, pengujian kedua sebesar 74%, pengujian ketiga sebesar 77,78%, pengujian keempat sebesar 81,18%, pengujian kelima sebesar 85,88% serta pengujian keenam sebesar 83,53%. Nilai akurasi tertinggi dihasilkan dari pengujian kelima sebesar 85,88% pengujian tersebut menggunakan Confusion Matrix, dalam hal ini Algoritma Naïve Bayes Classifier mampu mengklasifikasikan dengan baik dan memperoleh hasil akurasi yang cukup tinggi.

 

Kata kunci :  Data Mining, Klasifikasi, Naïve Bayes Classifier, Karakteristik Kepribadian

 

 

Abstract

The development of computer-based information technology is prone to hurt teenage students, especially at the junior high school level, namely 12 to 15 years of age. This age is a period of transition from the ages of children to adolescents. The counseling guidance teacher (BK) becomes a place to fix and educate students who have psychological problems or other supporting matters. However, in practice, during counseling activities, students will reveal problems that arise and tend to cover them up so that counseling takes a lot of time to find out the problems and character of students. Therefore we need a system to see the contents of the students, with the aim that BK can communicate well with students who have problems and can see their character so that it will make it easier to handle. The application of the Naïve Bayes Classifier algorithm in this study is to classify data based on what has been predetermined, namely sanguine, choleric, melancholy, phlegmatic. This method is used to determine the highest class that will be aimed at that personality. The attributes required in this study are the name of the student, age, gender, school origin, and answers to test questions A, B, C, and D. Testing of the system was carried out 6 times, where the first test got an accuracy value of 68.57%. , the second test was 74%, the third test was 77.78%, the fourth test was 81.18%, the fifth test was 85.88% and the sixth test was 83.53%. The highest value generated from this test is 85.88%. The test uses the Confusion Matrix, in this case, the Naïve Bayes Classifier Algorithm can classify well and get high enough results.

 

Keywords : Data Mining, Classification, Naïve Bayes Classifier, Characteristics Personality.


Full Text:

PDF

References


M. Husaini, “Pemanfaatan Teknologi Informasi Dalam Bidang Pendidikan (E-Education),” Mikrotik, vol. 2, 2014.

H. Hermino, “Pendidikan Karakter Dalam Perspektif Psikologis Siswa Sekolah Menengah Pertama Diera Globalisasi dan Multikultural,” Peradaban, vol. VIII, pp. 19–40, 2015.

Y. N. . Sari, “Perkembangan Kognitif dan Emosi Psikolog Masa Remaja Awal,” Pengabdi. Kpd. Masy., vol. 1, pp. 6–12, 2017.

N. . Pieter, H.Z Lubis, Pengantar Psikologi Dalam Perawatan. Jakarta, 2010.

W. S. Perbowosari, H Indrawan, I Hadion, Pengantar Psikologi Pendidikan. Jawa Timur: Qiara Media, 2019.

W. A. Laksono, Y. Astuti, S. Informasi, U. A. Yogyakarta, M. Informatika, and U. A. Yogyakarta, “Metode Myer Briggs Type Indicator ( MBTI ) untuk Tes Kepribadian Sebagai Media Pengembanagan Diri ( Studi Kasus : SMA N 2 Kebumen ) Pendahuluan Hasil dan Pembahasan Tinjauan Pustaka Metode Penelitian,” vol. 1, no. 2, pp. 1–6, 2020.

F. Littauer, Personality Plus. 1992.

Bustami, “Penerapan Algoritma Naive Bayes untuk Mengklasifikasi Data Nasabah Asuransi,” Informatika, vol. 6, 2014.

I. Muhammad, H Prasojo, C.A Sugianto, N.A Surtiningsih, L Cholissodin, “Optimasi Naive Bayes Classifier dengan Menggunakan Particle Swarm Optimization pada Data Iris,” Teknol. Inf. dan Ilmu Kompter, vol. 4, pp. 180–184, 2017.

R. Wati, “Penerapan Algoritma Genetika untuk Seleksi Fitur pada Analisis Sentimen Review Jasa Maskapai Peerbangan Mengguakan Naive Bayes,” Evolusi, vol. 4, 2016.

H. . Saputra, “Analisis Data Mining untuk Pemetaan Mahasiswa yang Membutuhkan Bimbingan dan Konseling Menggunakan Algoritma Naive Bayes Classifier,” Teknol. Inf. dan Pendidik., vol. 11, 2018.

A. Nasution, N Djahara, K Zamsure, “Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes (Studi Kasus: Fasilkom Unilak),” Teknol. Inf. dan Komun. Digit. Zo., vol. 6, pp. 1–11, 2015.

S. Ja’far, “Struktur Kepribadian Manusia Perspektif Psikologi dan Filsafat,” Ilm. Psikol., vol. 2, pp. 209–221, 2015.

G. . Pranata, H.K Subari Gunawan, “Penerapan Metode Naive Bayes untuk Klasifikasi SMS Spam Menggunakan Java Programming,” J-Intech, vol. 7, 2019.

M. . Putri, Pengaruh Kepribadian Menurut Teori Big Five Factor Terhadap Sikap Altruisme pada Mahasiswa Bina Nusantara. 2015.

Kuntjojo, Psikologi Kepribadian. Kediri, 2009.

Y. Mardi, “Data Mining: Klasifikasi Menggunakan Algoritma C4.5,” Edik Inform., vol. 2, 2019.




DOI: https://doi.org/10.32520/stmsi.v10i2.1339

Article Metrics

Abstract view : 48 times
PDF - 19 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.