MPLEMENTASI ALGORITMA NAÏVE BAYES PADA
PENGELOMPOKAN ASET FAKULTAS TEKNIK INFORMATIKA
UNIVERSITAS MUHAMMADIYAH BENGKULU

MPLEMENTASI ALGORITMA NAÏVE BAYES PADA
PENGELOMPOKAN ASET FAKULTAS TEKNIK INFORMATIKA
UNIVERSITAS MUHAMMADIYAH BENGKULU

Perkembangan teknologi informasi sangat berpengaruh dalam
pengelolaan data dan penyampaian informasi bagi setiap instansi
sehingga mempermudah dalam pengelolaan data yang diolah secara
manual menjadi berbasis komputerisasi. Sehingga dengan adanya
teknologi informasi yang digunakan dalam bidang pengelompokan atau
inventaris aset barang-barang, setiap pencatatan dapat didokumentasikan
sebagai barang bukti. Pada Fakultas Teknik Informatika Universitas
Muhammadiyah Bengkulu juga menerapkan sistem sebagai pengelolaan
data asset seperti computer, infokus dan printer, sebagai data inventaris.
Dengan menerapkan algoritma Naïve Bayes diharapkan dapat
mengetahui atau memprediksi data inventaris atau data aset yang ada.
Teorema keputusan bayes itu sendiri adalah pendekatan statistik yang
fundamental dalam pengenalan pola (pattern recoginition). Pendekatan ini
didasarkan pada kuantifikasi antara berbagai keputusan klasifikasi dengan
menggunakan probabilitas dan ongkos yang ditimbulkan dalam keputusan
keputusan tersebut. Ide dasar dari bayes adalah menangani masalah
yang bersifat hipotesis yakni mendesain suatu klasifikasi untuk
memisahkan objek. Sehingga nantinya dalam pembuatan system
pengelompokan data asset ini dapat mengetahui data asset yang ada
pada Fakultas Teknik Informatika Universitas Muhammadiyah Bengkulu.

LUFTI AMANDHA
1560100153

Pembimbing : Anisya Sonita, S.Kom, M.Kom

Penguji 1:: Yovi Apridiansyah, S.Kom, M.Kom

Penguji 2: : Erwin Dwika Putra, S.Kom, M.Kom

Teknik Informatika

UPT Perpustakaan

01 Desember 2020

Universitas Muhammadiyah Bengkulu

Universitas Muhammadiyah Bengkulu

Bahasa Indonesia

Antoni Wibowo, 2017.MasteOf Information Technology. mti.binus.ac.id.
klasifikasi. 2017
Budi Harijanto. 2018.Penerapan Algoritma Naïve Bayes untuk Klasifikasi
Retensi Arsip. Jurnal Informatika Polinema ISSN: 2407-070X.
Volume 4, Edisi 2, Februari 2018
Bustami, 2014. Penerapan algoritma naive bayes Untuk mengklasifikasi
data nasabah asuransi. JURNAL INFORMATIKA Vol. 8, No. 1,
Januari 2014
Dio Lavarino. 2016. Rancang Bangun E – Voting Berbasis Website Di
Universitas Negeri Surabaya. Jurnal Manajemen Informatika.
Volume 6 Nomor 1 Tahun 2016, 72-81
Erfan Karyadi Putra, 2018. Analisis Penerapan Algoritma Naive Bayes
Untuk Klasifikasi prioritas pengembangan jalan di provinsi
Kalimantan selatan. Technologia” Vol 9, No.2, April – Juni 2018
Gusmelia Testiana,2018. Perancangan Model Prediksi Kelulusan
Mahasiswa Tepat Waktu pada UIN Raden Fatah. JUSIFO (Jurnal
Sistem Informasi) - Vol. 02, No.1, Juni 2018
Hasan Bisry Isa Alfaris,2013. Implementasi black box testing pada sistem
informasi Pendaftaran santri berbasis web dengan menggunakan
Php dan mysql. Jurnal SAINTEKBU: Jurnl Sains dan Teknologi.
Volume 6 no. 1 Pebruari 2013
Johan Oscar Ong, "Implementasi AlgoritmA K-Means Clustering Untuk
Menentukan Strategi Marketing President University," Jurnal Ilmiah
Teknik Industri, vol. 12, no. 1, pp. 10-13, Juni 2013
Nagendra, V, K and Rajendra, C, 2012 “Customer Behaviour Analysis
Using Cba ( Data Mining Approach ),” National Conference on
Research Trends in Computer Science and Technology, Vol. 3, No.
1, pp. 65–68.
Nugroho. 2004. PHP dan MySQL dengan editor dreamweaver MX.
Yogyakarta : ANDI.
Patil, T. R., Sherekar, M. S., 2013, Performance Analysis of Naive Bayes
and J48 Classification Algorithm for Data Classification,
International Journal of Computer Science and Applications, Vol.
6, No. 2, Hal 256-261.
Syarli,2016. Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus:
Data Mahasiswa Baru Perguruan Tinggi). Jurnal Ilmiah Ilmu
Komputer, Vol. 2, No. 1, April 2016
Walpole, E. R., Myers, R. H, 1995, Ilmu Peluang dan Statistika untuk
Insinyur dan Ilmuan, Edisi ke-4. Bandung, ITB.
Zhang, Harry, 2004, The Optimality of Naive Bayes. FLAIRS conference