PENERAPAN ALGORITME NAÏVE BAYES UNTUK MEMPREDIKSI KELULUSAN MAHASISWA UNIVERSITAS BUDI LUHUR BERBASIS WEB

Penulis

  • Upit Fitriani Universitas Budi Luhur
  • Arief Wibowo Universitas Budi Luhur

Kata Kunci:

Data Mining, Naïve Bayes, Klasifikasi, Confusion Matrix, Prediksi, tingkat kelulusan

Abstrak

Pandemi COVID-19 merupakan sebuah wabah yang terjadi hampir di mana-mana di dunia, covid-19 salah satunya telah berdampak pada Pendidikan, Tidak sedikit mahasiswa yang mengalami hambatan dengan masalah kelulusan untuk waktu yang lama. Mahasiwa adalah asset penting bagi sebuah institusi Pendidikan dan untuk itu perlu diperhatikan tingkat kelulusan mahasiwa tepat pada waktunya. Karena presentasi naik turunnya kemampuan mahasiswa untuk menyelesaikan studi tepat waktu merupakan salahsatu elemen penilaian akreditasi kampus. Pada penelitian ini menggunakan metode algoritma pengklasifikasi Naive Bayes untuk menentukan nilai pengujian tingkat kelulusan. dataset yang digunakan adalah data kelulusan mahasiswa Fakultas Ekonomi Universitas Budi Luhur dengan tahun masuk 2017 dan 2018 gasal yang sudah diketahui tahun kelulusannya sebanyak 268 data. Hasil evaluasi pengujian menggunakan confusion matrix dan pada penelitian ini Keputusan data dibagi antara 90% data training dan 10% data testing. Berdasarkan jumlah data mahasiswa yang statusnya "Tepat Waktu" dan "Terlambat" pada atribut status kelulusan sebagai label class. Hasil pengujian menunjukkan bahwa model Naïve Bayes memiliki kinerja rata-rata nilai Accuracy 81,5%, Precision 81,5%, dan Recall 100%.

Referensi

R. Amalia, “Penerapan Data Mining Untuk Memprediksi Hasil Kelulusan Siswa menggunakan Metode Naïve Bayes,” J. Inform. dan Sist. Inf., vol. 6, no. 1, pp. 33–42, 2020.

H. F. Putro, R. T. Vulandari, and W. L. Y. Saptomo, “Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan,” J. Teknol. Inf. dan Komun., vol. 8, no. 2, 2020, doi: 10.30646/tikomsin.v8i2.500.

R. Supriyadi, N. Maulidah, A. Fauzi, H. Nalatissifa, and S. Diantika, “55~59 Diterima Februari 1,” J. Swabumi, vol. 10, no. 1, p. 2022, 2022, [Online]. Available: https://archive.ics.uci.edu/ml/datasets/Autis

I. W. Saputro and B. W. Sari, “Uji Performa Algoritma Naïve Bayes untuk Prediksi Masa Studi Mahasiswa,” Creat. Inf. Technol. J., vol. 6, no. 1, p. 1, 2020, doi: 10.24076/citec.2019v6i1.178.

S. Hartati and H. A. SAN, “Algoritma Naive Bayes untuk Prediksi Kelulusan Mahasiswa,” J. Cakrawala Inf., vol. 2, no. 2, pp. 42–50, 2022, doi: 10.54066/jci.v2i2.234.

S. Widaningsih, “Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Naïve Bayes, Knn Dan Svm,” J. Tekno Insentif, vol. 13, no. 1, pp. 16–25, 2019, doi: 10.36787/jti.v13i1.78.

G. P. Kawani, “Implementasi Naive Bayes,” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 1, no. 2, pp. 73–81, 2019, doi: 10.20895/inista.v1i2.73.

N. B. Putri and A. W. Wijayanto, “Analisis Komparasi Algoritma Klasifikasi Data Mining Dalam Klasifikasi Website Phishing,” Komputika J. Sist. Komput., vol. 11, no. 1, pp. 59–66, 2022, doi: 10.34010/komputika.v11i1.4350.

Sri Diantika, Windu Gata, and Hiya Nalatissifa, “Komparasi Algoritma SVM Dan Naive Bayes Untuk Klasifikasi Kestabilan Jaringan Listrik,” Elkom J. Elektron. dan Komput., vol. 14, no. 1, pp. 10–15, 2021, doi: 10.51903/elkom.v14i1.319.

S. Lestari and M. Badrul, “Implementasi Klasifikasi Naive Bayes Untuk Prediksi,” J. PROSISKO, vol. 7, no. 1, pp. 8–16, 2020.

Unduhan

Diterbitkan

11-10-2023

Cara Mengutip

Fitriani, U., & Wibowo, A. (2023). PENERAPAN ALGORITME NAÏVE BAYES UNTUK MEMPREDIKSI KELULUSAN MAHASISWA UNIVERSITAS BUDI LUHUR BERBASIS WEB. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(2), 745–753. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/873

Terbitan

Bagian

Artificial Intelligence

Artikel paling banyak dibaca berdasarkan penulis yang sama

<< < 1 2 3 > >>