Analisis Perbandingan Algoritma K-Means dan Naive Bayes Untuk Evaluasi Kinerja Tenaga Kependidikan Berdasarkan Standar SPMI

Analisis Perbandingan Algoritma K-Means dan Naive Bayes Untuk Evaluasi Kinerja Tenaga Kependidikan Berdasarkan Standar SPMI, Evaluasi Kinerja, K-Means,...

Author: EKO WAHYUDI
Date: 2024
Keywords: Evaluasi Kinerja, K-Means,
Type: Thesis
Category: penelitian

Penelitian ini menganalisis perbandingan dua algoritma, yaitu K-Means dan Naive Bayes, untuk evaluasi kinerja tenaga kependidikan berdasarkan Standar Sistem Penjaminan Mutu Internal (SPMI). Penelitian ini menggunakan metode perhitungan manual dan aplikasi RapidMiner. Hasil penelitian menunjukkan bahwa algoritma KMeans memberikan hasil yang sangat konsisten dengan nilai akurasi, presisi, dan recall sebesar 100?ik dalam perhitungan manual maupun dengan RapidMiner. Hal ini menandakan bahwa algoritma K-Means efektif dalam mengelompokkan data kinerja tenaga kependidikan. Sementara itu, algoritma Naive Bayes menunjukkan hasil yang bervariasi. Dalam perhitungan manual, algoritma ini menghasilkan akurasi sebesar 91%, sementara dengan RapidMiner mencapai 98.70%. Terdapat perbedaan signifikan dalam nilai recall dan presisi antara kedua metode perhitungan ini. Meskipun demikian, kategori kinerja "Tendik Kinerja Baik" tetap menjadi yang paling dominan. Perbedaan hasil antara perhitungan manual dan RapidMiner bahwa K-Means adalah metode yang lebih stabil dan konsisten dalam berbagai platform, sedangkan Naive Bayes menunjukkan fleksibilitas tetapi dengan variasi hasil yang lebih besar. Oleh karena itu, dalam konteks evaluasi kinerja tenaga kependidikan, K-Means lebih dapat diandalkan untuk menghasilkan kategori kinerja yang konsisten, sementara Naive Bayes bisa menjadi alternatif dengan tingkat akurasi yang cukup tinggi namun memerlukan pertimbangan lebih lanjut dalam interpretasi hasilnya.

Files:
LEMBAR JUDUL 1
DAFTAR PUSTAKA
ABSTRAK

Collections:
Digital Library UNPAB