https://journal.unilak.ac.id/index.php/Jurkim <p><strong>Jurnal Ilmiah Multidisplin (JURKIM)&nbsp;</strong>menerbitkan artikel bidang multidisiplin termasuk : Pendidikan, Hukum, Ekonomi, Agama, Pendidikan, Kesehatan, Kebijakan Publik, Pariwisata, Sosial dan Politik, Budaya, Seni, Pertanian, Peternakan, Pendidikan, Hukum, Ekonomi, Agama, Kesehatan, Pariwisata, Sosial dan Politik, Budaya, Seni, Pertanian, Lingkungan,Kehutanan,Bahasa, Teknologi Informasi dan Komunikasi,Psikologi,Arsitektur, Teknik, Matematika, Biologi. <strong>JURKIM</strong>&nbsp;diterbitkan tiga kali dalam setahun (<strong>Januari, Mei dan September</strong>) oleh LPPM Universitas Lancang Kuning dengan tujuan menyebarluaskan hasil penelitian dan pengetahuan baru, dan para peneliti dapat berkontribusi pada kemajuan ilmu pengetahuan dan kebijakan.</p> <p><a href="https://issn.brin.go.id/terbit/detail/20210927210841340" target="_blank" rel="noopener">E-ISSN: 2808-1374</a>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; <a href="https://issn.brin.go.id/terbit/detail/20220407101507520" target="_blank" rel="noopener">P-ISSN: 2829-307X</a></p> Universitas Lancang Kuning en-US Jurnal Karya Ilmiah Multidisiplin (JURKIM) 2808-1374 https://journal.unilak.ac.id/index.php/Jurkim/article/view/20944 <p><em>Secara konsisten otoritas publik menawarkan berbagai jenis hibah/bantuan kepada siswanya, salah satu bantuan/hibah dari bumn tidak terkecuali dari unversitas mana saja asal tempat tinggalnya. Secara konsisten jumlah calon penerima hibah ini terus bertambah, namun jumlah yang didapat setiap tahun tetap stabil. Selanjutnya, penting untuk membangun kerangka untuk melengkapi penambangan informasi dari tumpukan informasi ini yang akan dimanfaatkan untuk tujuan tertentu, &nbsp;&nbsp;salah satunya untuk menyelidiki kewajaran penerima hibah agar sempurna. Bayes Classifier merupakan metodologi yang mengacu pada hipotesis Bayes yang menggabungkan informasi masa lalu dengan informasi baru. Jadi perhitungan karakterisasi bersifat mendasar namun memiliki ketelitian yang tinggi. Oleh karena itu, pemeriksaan ini akan menunjukkan kapasitas Bayes Classifire dalam mengelompokkan informasi calon penerima hibah/bantuan yang menjelaskan kemungkinan pemberian hibah/bantuan bumn. Data &nbsp;pelamar beasiswa telah diolah terlebih dahulu agar “bersih” dan siap untuk diproses lebih lanjut. Setelah pra- pemrosesan ini, Naive Bayes Classifier digunakan untuk mengklasifikasikan data, sehingga menghasilkan model probabilitas untuk mengklasifikasikan pelamar beasiswa berikutnya. Dari hasil pengujian ketepatan model kerangka kerja yang dibuat menghasilkan nilai akurasi tertinggi sebesar 75,00%</em></p> alif nugraha Faza Al-ghifari Abdullah Panigoran Wahyu Wahyu Lisnawita Lisnawita Copyright (c) 2024 Jurnal Karya Ilmiah Multidisiplin (JURKIM) 2024-07-02 2024-07-02 4 2 10.31849/jurkim.v4i2.20944