Analisis Perbandingan Indeks Prestasi (IP) Mahasiswa Sebelum dan Saat Pandemi Menggunakan Metode Naïve Bayes

Abstrak

Terjadinya pandemi covid-19 yang menyebabkan perubahan dalam berbagai aspek termasuk cara belajar yang berubah menjadi pembelajaran secara daring. Naïve bayes merupakan metode klasifikasi secara statistik dapat membuat prediksi di masa depan. Tujuan penelitian ini adalah mengetahui prediksi nilai yang didapatkan naik atau turun dari dataset, serta mengetahui hasil akurasi pada proses pengujian algoritma dan pengujian evaluasi. Algoritma Naïve Bayes dapat  melakukan prediksi apakah IP akan naik atau turun pada semester berikutnya. Nilai akurasi pengujian Algoritma Naïve Bayes didapatkan hasil untuk sebelum pandemi 80% dan saat pandemi 83% dan pada proses evaluasi yang dilakukan untuk sebelum pandemi nilai naik mendapatkan nilai precision sebanyak 91%, recall sebanyak 64%, dan f1-score sebanyak 75%. Sedangkan untuk nilai turun mendapatkan nilai precision sebanyak 76%, recall sebanyak 95% dan f1-score sebanyak 85%. Untuk saat pandemi nilai naik mendapatkan nilai precision sebanyak 83%, recall sebanyak 99%, dan f1-score sebanyak 90%. Sedangkan untuk nilai turun mendapatkan nilai precision sebanyak 88%, recall sebanyak 30% dan f1-score sebanyak 45%. Hasil prediksi sebelum pandemi untuk nilai naik berjumlah 34 dan turun berjumlah 71, dan saat pandemi untuk prediksi nilai naik berjumlah 95 dan turun berjumlah 9.