IMPLEMENTASI ALGORTIMA NAÏVE BAYES UNTUK PREDIKSI KELULUSAN MAHASISWA

Angga Aditya Permana, Rohmat Taufiq, Rachmat Destriana, Aliya Nur'aini

Abstract


Pada tingkat perguruan tinggi, pencapaian kelulusan tepat waktu adalah indikator kunci dari keberhasilan mahasiswa. Namun, mengidentifikasi faktor-faktor yang berpotensi memengaruhi kelulusan mahasiswa merupakan tantangan yang kompleks. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem prediksi tingkat kelulusan mahasiswa dengan menggunakan metode Naïve Bayes. Langkah-langkah penelitian mencakup pengumpulan data dari dataset Kaggle, pembersihan data untuk menangani nilai yang hilang atau tidak relevan, transformasi data untuk mempersiapkannya untuk analisis, dan penerapan metode Naïve Bayes sebagai model prediktif. Variabel yang digunakan dalam analisis meliputi jenis kelamin, status mahasiswa, usia, nilai Indeks Prestasi Semester (IPS), nilai Indeks Prestasi Kumulatif (IPK), dan status kelulusan. Hasil eksperimen menunjukkan bahwa model prediksi mencapai akurasi sebesar 89%, dengan presisi sekitar 88% untuk kelas 0 dan 89% untuk kelas 1. Selain itu, recall mencapai sekitar 85% untuk kelas 0 dan 91% untuk kelas 1. Diharapkan hasil penelitian ini dapat memberikan kontribusi penting dalam meningkatkan efektivitas prediksi tingkat kelulusan mahasiswa, sehingga institusi pendidikan dapat mengambil tindakan preventif yang lebih tepat untuk mendukung keberhasilan akademis mahasiswa.

Keywords


Kelulusan Mahasiswa; Naive bayes; Prediksi

Full Text:

PDF

References


Abdurrohman S, Wibowo A. 2022. Klasifikasi Data Mining Untuk Memprediksi Status Penerimaan Di Perguruan Tinggi Negeri Bagi Lulusan Bimbel NF Dengan Algoritme Naive Bayes. Semin. Nas. Mhs. Fak. Teknol. Inf. 1(1):84–92.

Apridiansyah Y, Veronika NDM, Putra ED. 2021. Prediksi Kelulusan Mahasiswa Fakultas Teknik Informatika Universitas Muhammadiyah Bengkulu Menggunakan Metode Naive Bayes. JSAI (Journal Sci. Appl. Informatics). 4(2):236–247.doi:10.36085/jsai.v4i2.1701.

Mayadewi P, Rosely E. 2020. Prediksi Nilai Proyek Akhir Mahasiswa Menggunakan Algoritma Klasifikasi Data Mining. Semin. Nas. Sist. Inf. Indones.(November):329–334.

Nafi’iyah N, Ahmad RA, Mujilahwati S. 2020. Prediksi Nilai Calon Mahasiswa dengan Algoritma Backpropagation (Studi Kasus: Data Kaggle). J. Nas. Komputasi dan Teknol. Inf. 3(1):9–17.doi:10.32672/jnkti.v3i1.1945.

Permana AA, Fahrezi MF, Kristiyanti DA, Sihotang M. 2021. Sentimen Analisis Opini Masyarakat Pada Media Sosial Twitter Terhadap Vaksin Berbayar Menggunakan Metode Naïve Bayes Classifier (Nbc). J. Tek. 10(2):113–121.doi:10.31000/jt.v10i2.5471.

PERMANA AA, NOVIYANTO WA. 2023. Comparison of the Accuracy of the Lexicon-Based and Naive Bayes Classifier Methods To Public Opinions About Removing Masks on Social Media Twitter. J. Theor. Appl. Inf. Technol. 101(3):1174–1183.

Steven C, Wella W. 2020. The Right Sentiment Analysis Method of Indonesian Tourism in Social Media Twitter. IJNMT (International J. New Media Technol. 7(2):102–110.doi:10.31937/ijnmt.v7i2.1732.

Supangat, Sulistyawan MR. 2023. PEMODELAN PREDIKSI TINGKAT KELULUSAN MAHASISWA DENGAN PENDEKATAN ALGORITMA NAÏVE BAYES. J. Inform. Polinema. 9(4):405–414.doi:10.33795/jip.v9i4.1367.




DOI: http://dx.doi.org/10.31000/jt.v13i1.10996

Article Metrics

Abstract - 426 PDF - 614

Refbacks

  • There are currently no refbacks.


License URL: https://scholar.google.co.id/citations?user=RJRfBN0AAAAJ&hl=id&authuser=2