Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Naive Bayes di Program Studi Teknik Informatika UHAMKA

Penulis

  • Dwi Anugrah Putra Universitas Muhammadiyah Prof. Dr. Hamka
  • Mia Kamayani Universitas Muhammadiyah Prof. Dr. Hamka

Kata Kunci:

Naïve Bayes, prediksi kelulusan, k-Fold Cross-Validation

Abstrak

Berdasarkan pengamatan dan data yang ada pada Program Studi Teknik Informatika FT UHAMKA bahwa
banyaknya mahasiswa yang tidak lulus tepat waktu (8 semester) pada setiap angkatannya akan menyebabkan
penumpukan jumlah mahasiswa, kurangnya ruang kelas, dan kurangnya lahan parkir. Salah satu cara untuk
meningkatkan kelulusan mahasiswa tepat waktu adalah memprediksi dari awal mahasiswa yang berpotensi untuk
lulus tidak tepat waktu, sehingga dapat dilakukan tindakan pencegahan oleh pihak manajemen prodi atau fakultas.
Prediksi dapat dilakukan menggunakan data mining dengan memanfaatkan data mahasiswa yang sudah lulus.
Metode data mining yang digunakan pada penelitian ini adalah naive bayes dengan menggunakan atribut jenis
kelamin, index prestasi semester satu sampai semester empat dan SKS semester satu sampai semester empat.
Algoritma naive bayes ini akan dibuat beberapa model dan akan dicari nilai akurasi tertinggi dari model tersebut.
Evaluasi model menggunakan K- fold Cross Validation dan hasil prediksi akan digunakan oleh dosen pembimbing
akademik untuk mengevaluasi mahasiswa yang hasil prediksinya kurang memuaskan. Model dengan hasil terbaik
yaitu model ke-3 dengan tingkat akurasi sebesar 80.19%, recall 80.26%, precision 92.75% dan F-Measure 86.05%
yang nantinya akan digunakan untuk implementasi pada aplikasi prediksi kelulusan mahasiswa.

Unduhan

Data unduhan belum tersedia.

Biografi Penulis

Dwi Anugrah Putra, Universitas Muhammadiyah Prof. Dr. Hamka

Departemen Teknik Informatika
Fakultas Teknik

Mia Kamayani, Universitas Muhammadiyah Prof. Dr. Hamka

Departemen Teknik Informatika
Fakultas Teknik

Referensi

E. P. Rohmawan, “Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Decision Tree Dan Artificial Neural Network,” 2013.

R. Yanto and R. Khoiriah, “Implementasi Data Mining dengan Metode Algoritma Apriori dalam Menentukan Pola Pembelian Obat,” Creat. Inf. Technol. J., vol. 2, no. 2, pp. 102–113, 2015.

S. Salmu and A. Solichin, “Prediksi Tingkat Kelulusan Mahasiswa Tepat Waktu Menggunakan Naïve Bayes : Studi Kasus UIN Syarif Hidayatullah Jakarta Prediction of Timeliness Graduation of Students Using Naïve Bayes : A Case Study at Islamic State University Syarif Hidayatullah Jakarta,” no. April, pp. 701–709, 2017.

S. Syarli and A. A. Muin, “Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi),” J. Ilmu Komput., vol. 2, no. 1, Sep. 2018.

H. Widayu, S. D. Nasution, N. Silalahi, and M. Mesran, “DATA MINING UNTUK MEMPREDIKSI JENIS TRANSAKSI NASABAH PADA KOPERASI SIMPAN PINJAM DENGAN ALGORITMA C4.5,” J. MEDIA Inform. BUDIDARMA, vol. 1, no. 2, Jun. 2017.

A. Y. Saputra and Y. Primadasa, “Penerapan Teknik Klasifikasi Untuk Prediksi Kelulusan Mahasiswa Menggunakan Algoritma K-Nearest Neighbor,” Techno.Com, vol. 17, no. 4, pp. 395–403, 2019.

F. Tempola, M. Muhammad, and A. Khairan, “Perbandingan Klasifikasi Antara Knn Dan Naive Bayes Pada Penentuan Status Gunung Berapi Dengan K-Fold Cross Validation Comparison of Classification Between Knn and Naive Bayes At the Determination of the Volcanic Status With K-Fold Cross,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 5, pp. 577–584, 2018.

J. Junaedy and A. Munir, “Rancang Bangun Sistem Pengelolaan Data Kuliah Kerja Lapang Plus Memanfaatkan Framework Codeigniter Dengan Menggunakan Metode Waterfall,” Ilk. J. Ilm., vol. 9, no. 2, pp. 203–210, 2017.

D. Dahri, F. Agus, and D. M. Khairina, “Metode Naive Bayes Untuk Penentuan Penerima Beasiswa Bidikmisi Universitas Mulawarman,” Inform. Mulawarman J. Ilm. Ilmu Komput., vol. 11, no. 2, p. 29, 2016.

A. R. C and Y. Lukito, “Deteksi Komentar Spam Bahasa Indonesia Pada Instagram Menggunakan Naive Bayes,” J. Ultim., vol. 9, no. 1, pp. 50–58, Jun. 2017.

G. A. Buntoro, “Analisis Sentimen Hatespeech Pada Twitter Dengan Metode Naïve Bayes Classifier Dan Support Vector Machine,” J. Din. Inform., vol. 3, no. 1, p. 56, 2016.

A. Muzakir and R. A. Wulandari, “Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree,” Sci. J. Informatics, vol. 3, no. 1, pp. 19–26, Jun. 2016.

J. Pardede, M. G. Husada, A. N. Hermana, and S. A. Rumapea, “Fruit Ripeness Based on RGB, HSV, HSL, L∗a∗b∗ Color Feature Using SVM,” 2019 Int. Conf. Comput. Sci. Inf. Technol. ICoSNIKOM 2019, pp. 2–6, 2019.

S. Mawarni and P. N. Bengkalis, “SistemPrediksi Pengunduran Diri Calon Mahasiswa Baru Menggunakan Algoritma C45,” pp. 227–236, 2018.

A. Rohman et al., “Implementasi Data Mining Dengan Algoritma Decision Tree C4 . 5 Untuk Prediksi Kelulusan Mahasiswa Di Universitas,” pp. 134–139, 2019.

Unduhan

Diterbitkan

2021-01-01

Cara Mengutip

Putra, D. A., & Kamayani, M. (2021). Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Naive Bayes di Program Studi Teknik Informatika UHAMKA. Prosiding Seminar Nasional Teknoka, 5, 34–40. Diambil dari https://journal.uhamka.ac.id/index.php/teknoka/article/view/10238