Implementasi Metode Naïve Bayes Classifier Untuk Seleksi Asisten Praktikum Pada Simulasi Hadoop Multinode Cluster

Abstrak: Pemilihan asisten pada praktikum dialami oleh berbagai universitas di Indonesia salah satunya di Fakultas Ilmu Komputer (FILKOM) Universitas Brawijaya (UB). Dalam pemilihan asisten praktikum ada beberapa proses yang harus dilalui. Proses pemilihan yang ada di FILKOM masih dalam bentuk manual. Adapun proses yang dijalani dalam pemilihan asisten praktikum diantaranya adalah tes administrasi, tes live coding, dan tes mengajar. Dalam penentuan penerimaan asisten praktikum tersebut berdasarkan hasil tes yang telah dilakukan. Kendala yang dihadapi adalah kemiripan hasil tes pada ketentuan tertentu yang menyebabkan kerancuan proses pemilihan asisten praktikum. Dari permasalahan tersebut penulis melihat suatu peluang untuk membuat sistem yang mampu menyeleksi dengan cara melakukan hasil klasifikasi tertinggi terhadap hasil tes yang dilakukan oleh calon asisten praktikum. Penelitian ini menggunakan Hadoop dengan menerapkan metode Naïve Bayes yang diangap mampu menghasilkan klasifikasi yang akurat, sehingga dapat mempermudah seorang dosen dalam memilih asisten praktikum dengan kualitas yang baik.
Kata kunci: big data, klasifikasi, naïve bayes, hadoop
Penulis: Maryamah ., Moh. Fadel Asikin, Daisy Kurniawaty, Selly Kurnia Sari, Imam Cholissodin 
Kode Jurnal: jptinformatikadd160889

Artikel Terkait :