Klasifikasi Data Mining Untuk Memprediksi Status Penerimaan Di Perguruan Tinggi Negeri Bagi Lulusan Bimbel NF Dengan Algoritme Naive Bayes

Penulis

  • Syafiq Abdurrohman Universitas Budi Luhur
  • Arief Wibowo Universitas Budi Luhur

Kata Kunci:

data mining, naive bayes, klasifikasi, prediksi kelulusan siswa di perguruan tinggi

Abstrak

Semakin pesatnya pertumbuhan teknologi informasi di dunia, sehingga semakin hari semakin banyak pula orang yang memanfaatkan kemajuan teknologi informasi ini dalam berbagai aktivitas kehidupan ataupun untuk menyelesaikan berbagai permasalahan. Salah satunya adalah dalam bidang pendidikan. Implementasinya seperti bagaimana membuat sistem untuk memprediksi status kelulusan siswa/i NF di Perguruan Tinggi Negeri dengan metode naive bayes berdasarkan dataset dan atribut yang telah didapatkan. Metode ini mengklasifikasikan data training yang nantinya menghasilkan suatu hasil kelulusan “LULUS” atau “TIDAK LULUS” nya siswa/i tersebut di fakultas dan jurusan yang ingin dia ambil. Sehingga apabila seorang siswa/i menginputkan data yang ada dalam aplikasi kemudian data tersebut diproses selanjutnya menghasilkan hasil kelulusan “LULUS” atau “TIDAK LULUS” nya siswa/i tersebut di fakultas dan jurusan yang ingin dia ambil. Naive bayes merupakan pendekatan statistik untuk melakukan inferensi induksi pada persoalan klasifikasi. Metode yang dapat dipakai untuk mendukung pengambilan (hipotesa) dalam kelulusan siswa/i Nurul Fikri di Perguruan Tinggi Negeri. Dalam tugas akhir ini dibangun Web Aplikasi sistem klasifikasi untuk memprediksi status kelulusan siswa/i NF di Perguruan Tinggi Negeri. Pada proses training data diolah sebanyak 80% dan sisanya akan diolah pada proses calon mahasiswa uji sebanyak 20%. Dari proses testing tersebut menghasilkan kecocokan antara data asli dengan hasil prediksi program, dari algoritma naIve bayes menghasilkan nilai accuracy 80,77 %, recall 65,52 dan precision 100%.

Referensi

R. Budiman and R. Anto, “Penerapan Data Mining Untuk Menentukan Lokasi Promosi Penerimaan Mahasiswa Baru Pada Universitas Banten Jaya (Metode K-Means Clustering),” ProTekInfo(Pengembangan Ris. dan Obs. Tek. Inform., vol. 6, no. 1, p. 6, 2019.

E. Etriyanti, D. Syamsuar, and N. Kunang, “Implementasi Data Mining Menggunakan Algoritme Naive Bayes Classifier dan C4.5 untuk Memprediksi Kelulusan Mahasiswa,” Telematika, vol. 13, no. 1, pp. 56–67, 2020.

A. H. Hailitik, B. S. Djahi, Y. Y. Nabuasa, J. I. Komputer, and U. N. Cendana, “Klasifikasi Jurusan Menggunakan Metode Naïve Bayes Pada,” vol. 5, no. 2, pp. 21–27, 2017.

I. Irmawati, Z. Zainudin, and Y. Yuyun, “Data Mining Untuk Penentuan Model Kelulusan Murid Sma Pada Perguruan Tinggi Negeri; Studi Kasus Di Iain Bone,” JIKO (Jurnal Inform. dan Komputer), vol. 3, no. 2, pp. 113–118, 2020.

K. Khoirunnisa, L. Susanti, I. T. Rokhmah, and L. Stianingsih, “Prediksi Siswa Smk Al-Hidayah Yang Masuk Perguruan Tinggi Dengan Metode Klasifikasi,” J. Inform., vol. 8, no. 1, pp. 26–33, 2021.

O. J. Risza Putri Elburdah, “http://ejurnal.binawakya.or.id/index.php/MBI Vol.15 No.11 juni 2021 Open Journal Systems,” vol. 15, no. 11, pp. 5651–5658, 2021.

A. Saifudin, “Metode Data Mining Untuk Seleksi Calon Mahasiswa,” vol. 10, no. 1, pp. 25–36, 2018.

H. Y. Sardi and K. Budayawan, “Klasifikasi Tingkat Kelulusan Mahasiswa Elektronika Menggunakan Algoritma Naïve Bayes Classifier (Studi Kasus : Pendidikan Teknik Informatika FT-UNP),” Voteteknika (Vocational Tek. Elektron. dan Inform., vol. 8, no. 4, p. 147, 2020, .

F. Yunita, “Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru,” Sistemasi, vol. 7, no. 3, p. 238, 2018.

B. Yusuf, M. Qalbi, B. Basrul, I. Dwitawati, M. Malahayati, and M. Ellyadi, “Implementasi Algoritma Naive Bayes Dan Random Forest Dalam Memprediksi Prestasi Akademik Mahasiswa Universitas Islam Negeri Ar-Raniry Banda Aceh,” Cybersp. J. Pendidik. Teknol. Inf., vol. 4, no. 1, p. 50, 2020.

M. A. Amri, A. P. Windarto, A. Wanto, and I. S. Damanik, “Analisis Metode K-Means Pada Pengelompokan Perguruan Tinggi Menurut Provinsi Berdasarkan Fasilitas Yang Dimiliki Desa,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 674–679, 2019.

T. Dwinasty, I. Asror, and y r Murti, “Klasifikasi Program Studi Berdasarkan Nilai Utbk Menggunakan Metode Pseudo Nearest Neighbor Rule,” eProceedings of Engineering, vol. 7, no. 3, pp. 9835–9855, 2020.

Rahmawati and T. Arifin, “Penerapan Algoritma K-Means Untuk Pengelompokan Siswa Lolos Snmptn Di SMAN 8 Bandung,” J. Responsif Ris. Sains dan Inform., vol. 2, no. 2, pp. 184–190, 2020.

Unduhan

Diterbitkan

30-09-2022

Cara Mengutip

Abdurrohman, S., & Wibowo, A. (2022). Klasifikasi Data Mining Untuk Memprediksi Status Penerimaan Di Perguruan Tinggi Negeri Bagi Lulusan Bimbel NF Dengan Algoritme Naive Bayes. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 1(1), 84–92. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/111

Terbitan

Vol 1 No 1 (2022): Prosiding SENAFTI (Buku 1 - Cyber Security) September 2022

Bagian

Cyber Security

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 3 > >>