Implementasi Naïve Bayes Classifier Dalam Memprediksi Kelulusan Mahasiswa

Siti Nuralia; Harliana Harliana; Tito Prabowo

doi:10.47134/jacis.v3i1.57

Authors

Siti Nuralia Program Studi Ilmu Komputer, Fakultas Ilmu Eksakta, Universitas Nahdlatul Ulama Blitar
Harliana Harliana Program Studi Ilmu Komputer, Fakultas Ilmu Eksakta, Universitas Nahdlatul Ulama Blitar
Tito Prabowo Program Studi Ilmu Komputer, Fakultas Ilmu Eksakta, Universitas Nahdlatul Ulama Blitar

DOI:

https://doi.org/10.47134/jacis.v3i1.57

Keywords:

Prediksi, Naïve Bayes Classifier, Kelulusan Mahasiswa

Abstract

Saat ini mutu pendidikan suatu perguruan tinggi dapat dilihat melalui keberhasilan ataupun kegagalan mahasiswa dalam menyelesaikan studinya. Beberapa penelitian mengenai prediksi kelulusan mahasiswa sudah banyak dilakukan, baik yang datasetnya berasal dari tempat penelitian ataupun Kaggle, namun pada penelitian ini penulis melakukan prediksi kelulusan mahasiswa yang datasetnya berasal data Kaggle dengan algoritma Naïve Bayes Classifier. Adapun tujuan dari penelitian ini yaitu mengetahui akurasi yang dihasilkan oleh Naïve Bayes Classifier dalam melakukan prediksi terhadap lama studi mahasiswa. Untuk mengetahui tingkat akurasi tersebut, penelitian ini akan membagi 500 dataset menjadi 3 skenario pengujian yang berbeda, yaitu scenario I dengan perbandingan antara data training : data testing adalah 80:20, scenario II 50:50 dan scenario II dengan perbandingan 20:80. Analisis terhadap hasil pengujian selanjutnya akan dianalisis menggunakan confusion matrix. Berdasarkan hasil pengujian 3 skenario tersebut didapatkan bahwa scenario I mampu menghasilkan nilai akurasi tertinggi dengan nilai f1-score yang dihasilkanpun diatas 90%.

References

A. Primadewi and M. Hanafi, “Pengelolaan Data Terintegrasi Berdasarkan Instrumen Akreditasi Perguruan Tinggi 3.0 Menggunakan Zachman Framework,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 4, no. 6, pp. 5–10, 2020, doi: 10.29207/resti.v4i6.2540.

Herni, “Manajemen Sistem Penjaminan Mutu Internal (SPMI) Dalam Meningkatkan Mutu Lulusan Perguruan Tinggi,” al-Afkar, J. Islam. Stud., no. 7, pp. 281–289, 2022, doi: 10.31943/afkarjournal.v5i4.380.

L. Setiyani, M. Wahidin, D. Awaludin, and S. Purwani, “Analisis Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Data Mining Naïve Bayes : Systematic Review,” Fakt. Exacta, vol. 13, no. 1, p. 35, 2020, doi: 10.30998/faktorexacta.v13i1.5548.

W. J. Hussar and T. M. Bailey, “Projections of Education Statistics to 2027 (NCES 2019-001),” 2019.

F. A. Yusuf, “The independent campus program for higher education in indonesia: The role of government support and the readiness of institutions, lecturers and students,” J. Soc. Stud. Educ. Res., vol. 12, no. 2, pp. 280–304, 2021.

B. M. Kehm, M. R. Larsen, and H. B. Sommersel, “Student dropout from universities in Europe: A review of empirical literature,” Hungarian Educ. Res. J., vol. 9, no. 2, pp. 147–164, 2020, doi: 10.1556/063.9.2019.1.18.

R. P. S. Putri and I. Waspada, “Penerapan Algoritma C4.5 pada Aplikasi Prediksi Kelulusan Mahasiswa Prodi Informatika,” Khazanah Inform. J. Ilmu Komput. dan Inform., vol. 4, no. 1, pp. 1–7, 2018, doi: 10.23917/khif.v4i1.5975.

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.

Y. Apridiansyah, N. D. M. Veronika, and E. D. Putra, “Prediksi Kelulusan Mahasiswa Fakultas Teknik Informatika Universitas Muhammadiyah Bengkulu Menggunakan Metode Naive Bayes,” JSAI (Journal Sci. Appl. Informatics), vol. 4, no. 2, pp. 236–247, 2021, doi: 10.36085/jsai.v4i2.1701.

R. Hasudungan and W. J. Pranoto, “Implementasi Teorema Naïve Bayes Pada Prediksi Prestasi Mahasiswa,” J. Rekayasa Teknol. Inf., vol. 5, no. 1, p. 10, 2021, doi: 10.30872/jurti.v5i1.4996.

H. D. Fahma and A. C. Fauzan, “Prediksi Keberlangsungan Studi Mahasiswa Fakultas Ilmu Pendidikan dan Sosial Universitas Nahdlatul Ulama Blitar Menggunaan Algoritma C4.5,” JACIS J. Autom. Comput. Inf. Syst., vol. 1, no. 2, pp. 110–119, 2021, doi: 10.47134/jacis.v1i2.21.

N. Yahya and A. Jananto, “Komparasi Kinerja Algoritma C4.5 Dan Naive Bayes Untuk Prediksi Kegiatan Penerimaan Mahasiswa Baru (Studi Kasus : Universitas Stikubank Semarang),” Pros. SENDI, no. 2014, pp. 978–979, 2019, [Online]. Available: https://www.unisbank.ac.id/ojs/index.php/sendi_u/article/view/7389

B. Gunawan Sudarsono and A. Ulan Bani, “Prediksi Mahasiswa Berpotensi Berhenti Kuliah Secara Sepihak Menggunakan Data Mining Algoritma C4.5,” J. Sains Komput. Inform. (J-SAKTI, vol. 4, no. 2, pp. 359–367, 2020, doi: 10.30645/j-sakti.v4i2.227.

M. Nasir, “Penerapan Algoritma Naive Bayes Classifier Untuk Evaluasi Kinerja Akademik Mahasiswa Universitas Bina Darma,” J. Inform. dan Komputer), vol. 5, no. 2, pp. 81–88, 2021, doi: 10.26798/jiko.v5i2.227.

S. Hasanah, I. Purwasih, and I. Santoso, “Analisis Sentimen Terhadap Masyarakat Adanya Uang Kertas Baru Menggunakan Algoritma K-Nearest Neighbor(Knn),” vol. 7, no. 2, pp. 105–114, 2023, [Online]. Available: https://journals.upi-yai.ac.id/index.php/ikraith-informatika/issue/archive

S. AISYAH, S. WAHYUNINGSIH, and F. AMIJAYA, “Peramalan Jumlah Titik Panas Provinsi Kalimantan Timur Menggunakan Metode Radial Basis Function Neural Network,” Jambura J. Probab. Stat., vol. 2, no. 2, pp. 64–74, 2021, doi: 10.34312/jjps.v2i2.10292.

N. L. P. C. Savitri, R. A. Rahman, R. Venyutzky, and N. A. Rakhmawati, “Analisis Klasifikasi Sentimen Terhadap Sekolah Daring pada Twitter Menggunakan Supervised Machine Learning,” J. Tek. Inform. dan Sist. Inf., vol. 7, no. 1, pp. 47–58, 2021, doi: 10.28932/jutisi.v7i1.3216.

M. Meiriyama, S. Devella, and S. M. Adelfi, “Klasifikasi Daun Herbal Berdasarkan Fitur Bentuk dan Tekstur Menggunakan KNN,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 3, pp. 2573–2584, 2022, doi: 10.35957/jatisi.v9i3.2974.

D. P. Pertiwi, W. Wiranto, and R. Anggrainingsih, “Evaluation of Campaign Categories on Kitabisa. Com By Naive Bayes Classifier Method,” ITSMART J. Teknol. dan Inf., vol. 8, no. 1, 2019, doi: 10.20961/itsmart.v8i1.27426.