PREDIKSI KELULUSAN MAHASISWA DENGAN METODE NAIVE BAYES

nurul khasanah(1*), Agus Salim(2), Nurul Afni(3), Rachman Komarudin(4), Yana Iqbal Maulana(5)

(1) Universitas Nusa Mandiri
(2) Universitas Bina Sarana Informatika
(3) Universitas Bina Sarana Informatika
(4) Universitas Nusa Mandiri
(5) Universitas Bina Sarana Informatika
(*) Corresponding Author

Sari


Perguruan tinggi memiliki kewajiban untuk menghasilkan lulusan yang kompeten. Hal tersebut dapat dinilai dari tingkat kelulusan mahasiswanya. Selain itu, lulus tepat waktu merupakan impian para mahasiswa. Mahasiswa tidak perlu membayar biaya kuliah lagi dan bisa bekerja lebih cepat. Tetapi kondisi di lapangan, mahasiswa belum tentu dapat menuntaskan masa studi tepat waktu. Banyak faktor yang menjadi pengaruh kelulusan mahasiswa terlambat, seperti status perkawinan mahasiswa, status mahasiswa (bekerja/tidak bekerja), tingkat pemahaman mahasiswa terhadap materi kuliah yang dapat dilihat dari IPK mahasiswa. Dari pemasalahan yang ada, perlu adanya sistem untuk memprediksi tingkat kelulusan mahasiswa berdasarkan variabel-variabel yang ada. Dengan sistem yang dibuat diharapkan perguruan tinggi bisa membuat kebijakan sehingga mahasiswa dapat lulus tepat waktu. Penelitian ini menggunakan 379 data, dengan metode Naive bayes, dengan rincian data training 303 data dan data testing 76 data. Atribut yang digunakan nama, status mahasiswa, status perkawinan, IPS, IPK, dan status kelulusan. Dengan tahapan identifikasi masalah, pengumpulan data, data cleaning, data transformation (dibagi menjadi data training dan data tesing), klasifikasi dengan KNN, validasi, evaluasi dan hasil. Hasil penelitian yang diperoleh yaitu akurasi = 88,16%, precision = 93,62% dan recall = 88%, termasuk dalam kategori good classification.


Teks Lengkap:

PDF

Referensi


Arie Yandi Saputra, Y. P. (2018) ‘Penerapan Teknik Klasifikasi Untuk Prediksi Kelulusan Mahasiswa Menggunakan Algoritma K-Nearest Neighbour’, 17(4), pp. 395–403.

Elfaladonna, F. and Rahmadani, A. (2019) ‘Analisa Metode Classification-Decission Tree Dan Algoritma C.45 Untuk Memprediksi Penyakit Diabetes Dengan Menggunakan Aplikasi Rapid Miner’, SINTECH (Science and Information Technology) Journal, 2(1), pp. 10–17. doi: 10.31598/sintechjournal.v2i1.293.

Fernández, A. et al. (2013) ‘Analysing the classification of imbalanced data-sets with multiple classes: Binarization techniques and ad-hoc approaches’, Knowledge-Based Systems, 42, pp. 97–110. doi: 10.1016/j.knosys.2013.01.018.

M. Raihan Rafiiful Allaam, A. T. W. (2021) ‘KLASIFIKASI GENUS TANAMAN ANGGREK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ( CNN )’, in e-Proceeding of Engineering, pp. 3147–3179.

Marlina, D. and Bakri, M. (2021) ‘Penerapan Data Mining Untuk Memprediksi Transaksi Nasabah Dengan Algoritma C4.5’, Jurnal Teknologi dan Sistem Informasi (JTSI), 2(1), pp. 23–28.

Musu, W., Ibrahim, A. and Heriadi (2021) ‘Pengaruh Komposisi Data Training dan Testing terhadap Akurasi Algoritma C4 . 5’, Prosiding Seminar Ilmiah Sistem Informasi Dan Teknologi Informasi, X(1), pp. 186–195.

Nasution, D. A., Khotimah, H. H. and Chamidah, N. (2019) ‘Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN’, Computer Engineering, Science and System Journal, 4(1), p. 78. doi: 10.24114/cess.v4i1.11458.

Normawati, D. and Prayogi, S. A. (2021) ‘Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter’, Jurnal Sains Komputer & Informatika (J-Sakti), 5(2), pp. 697–711.

Novita, S., Harsani, P. and Qur’ania, A. (2018) ‘Penerapan K-Nearest Neighbor (KNN) untuk Klasifikasi Anggrek Berdasarkan Karakter Morfologi Daun dan Bunga’, Komputasi, 15(1), pp. 118–125.

Pratama, A., Wihandika, R. C. and Ratnawati, D. E. (2018) ‘Implementasi algoritme support vector machine (SVM) untuk prediksi ketepatan waktu kelulusan mahasiswa’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(April), pp. 1704–1708.

Putri, R. P. S. and Waspada, I. (2018) ‘Penerapan Algoritma C4.5 pada Aplikasi Prediksi Kelulusan Mahasiswa Prodi Informatika’, Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika, 4(1), p. 1. doi: 10.23917/khif.v4i1.5975.

Sikumbang, E. D. (2018) ‘Penerapan Data Mining Penjualan Sepatu Menggunakan Metode Algoritma Apriori’, Jurnal Teknik Komputer AMIK BSI (JTK), Vol 4, No.(September), pp. 1–4.

Wahyono, W. and Nugroho, A. (2018) ‘Penerapan Algoritma C4.5 Untuk Prediksi Tingkat Kompetensi Karyawan Pt Multistrada Arah Sarana’, Joutica, 3(1), p. 145. doi: 10.30736/jti.v3i1.201.




DOI: http://dx.doi.org/10.31602/tji.v13i3.7312

Refbacks

  • Saat ini tidak ada refbacks.


© 2019 Technologia   p-ISSN: 2086-6917    e-ISSN: 2656-8047

-------------------------------------------------------------------------------------------

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