Optimasi Model Prediksi Kelulusan Mahasiswa Menggunakan Algoritma Naive Bayes

Hartatik Hartatik

Abstract

Abstrak :

Prediksi tentang status kelulusan mahasiswa menjadi persoalan tersendiri di perguruan tinggi. Perguruan tinggi utamanya di era Big Data sangatlah penting untuk melakukan prediksi perilaku akademik mahasiswa aktif sehingga dapat di ketahui kemungkinan mahasiswa bisa studi secara tepat waktu serta dapat diketahui langkah preventive dalam membuat prpgram perencanaan. Salah satu cara yang digunakan adalah teknik data mining yaitu menggunakan Algoritma naive bayes. Algoritma Naive bayes merupakan salah satu metode yang digunakan untuk memprediksi kelulusan mahasiswa.  Peneliti  dalam hal ini menerapkan  metode  Naive bayes menggunakan parameter Indeks prestasi kumulatif( IPK) dan membandingkan dengan menggunakan prediksi naive bayes methods berdasarkan parameter IPK dan sosial parameter yaitu jenis kelamin dan status tinggal. Dalam penelitian ini menggunakan parameter akademis  dan dilakukan optimasi menggunakan parameter sosial yang melekat pada mahasiswa. Berdasarkan hasil evaluasi untuk mendapatkan akurasi, hasil dari penelitian ini mendapatkan nilai akurasi untuk metode Naive bayes  sebesar 75% dan akurasi untuk model prediksi dengan parameter sosial  sebesar 85% dengan selisih akurasi 10%.

__________________________

Abstract : 

Predictions about a student's graduation status are a problem in college. Major tertiary institutions in the era of Big Data are very important to predict the behavior of active students so that they can find out the possibility of students in a timely manner and can determine preventive steps in making program planning. One method used is data mining techniques using the Naive bayes Algorithm. The Naive bayes algorithm is one of the methods used to predict student graduation. Researchers in this case applied the Naive bayes method using the cumulative achievement index (GPA) parameter and compared using the prediction of the Naive bayes method based on the GPA parameters and social parameters, namely gender and status. This study uses academic parameters and is carried out optimally using social parameters inherent in students. Based on the results of the evaluation to get an accuracy value, the results of this study get an accurate value for the Naive bayes method of 75% and accurate for prediction models with social parameters of 85% with a difference of 10%.

Keywords

Classification; naive bayes; akurasi

Full Text:

PDF

References

Siagan, S. P., “Manajemen Sumber Daya Manusia”. Jakarta: Bumi Aksara, 2003.

Budi, S., “Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis”. 2007.

[ Bramer,M., “Principles of Data Mining”, vol. 98, no. 461. London: Springer London, 2016.

Aryasanti,A., “Sistem Komparasi Naive bayes dan Decision Trees untuk Menentukan Klasifikasi Kegagalan Studi Mahasiswa”, Jurnal TICOM, Vol. 6, No. 3, 2018, pp. 103-111,2018.

Jananto, A., “Algoritma Naive bayes untuk Mencari Perkiraan Waktu Studi Mahasiswa”. Jurnal Teknologi Informasi DINAMIK, 18(1), 09-16,2013.

Farida, I. N., & Maulidina , M. , “Pengembangan Sistem Evaluasi Akademik Berdasarkan Predikat Nilai Indeks Prestasi Mahasiswa”. Jurnal Ilmiah Teknik Informatika , 12(2), 2018.

Hartatik Aziz, Abdul Hartono, Rudi et al, “Decision Support System for Detection of Skin Diseases in Smart Health development planning”, IOP Conference Series: Materials Science and Engineering Vol 858, 2020.

Hartatik, Purnomo, A.,Hartono, R.,Munawaroh, H., “Naive bayes Approach for Expert System Design of Children Skin Identification Based on Android”, IOP Conference Series: Materials Science and Engineering Vol 333, 2020.

Hendra, Mochammad Abdul Azis dan Suhardjono, “Analisis Prediksi Kelulusan Mahasiswa Menggunakan Decission Tree Berbasis Particle Swarm Optimization”, Jurnal SISFOKOM (Sistem Informasi dan Komputer), Volume 09, Nomor 01, PP 102 – 107, 2020 .

Nurrohmat, M. A., & Nugroho, Y. S., “Aplikasi Pemrediksi Masa Studi dan Predikat Kelulusan Mahasiswa Informatika Universitas Muhammadiyah Surakarta Menggunakan Metode Naive bayes”. Jurnal Ilmu Komputer dan Informatika, 1(1), 29-34, 2015.

Magadalena. H, “Sistem Pendukung Keputusan Untuk Menentukan Mahasiswa Lulusan Terbaik Di Perguruan Tinggi”. Seminar Nasional Teknologi Informasi dan komunikasi. ISSN : 2089-9815,2012.

DOI: https://doi.org/10.20961/ijai.v5i1.44379

Refbacks

  • There are currently no refbacks.