Penerapan Model Klasifikasi Naïve Bayes Untuk Prediksi Mahasiswa Tepat Waktu

Abstract

Banyak teknik pengukuran dalam prediksi mahasiswa tepat waktu, kriteria yang digunakan mulai dari jurusan, jenis kelas dan nilai semester mahasiswa yang merupakan salah satu penentu bagaimana mahasiswa bisa lulus tepat waktu atau tidak di akhir pendidikannya. Maka dibutuhkan suatu model untuk melakukan prediksi tingkat kelulusan mahasiswa tepat waktu, dengan menggunakan data alumni yang datanya didapat dari beberapa Perguruan Tinggi di Kota Palembang. Model yang digunakan ini menggunakan algoritma Naïve Bayes yang berfungsi sebagai salah satu model untuk melakukan klasifikasi. Dataset yang digunakan adalah data alumni yang sudah dikumpulkan dari beberapa Perguruan Tinggi, sedangkan kriteria dan attribut yang digunakan adalah jurusan, Perguruan Tinggi setiap mahasiswa, jenis kelas pilihan dan nilai setiap semester mahasiswa yang diambil dari semester 1 sampai dengan 4, tahun lulus setiap mahasiswa, dan angkatan pada saat mahasiswa masuk. Lalu dari attribut dan model yang digunakan, peneliti menggunakan alat bantu utnuk mengelola data yaitu Rapidminer untuk melakukan pemrosesan dataset yang sudah disiapkan. Selanjutnya penguji menggunakan 5 kali uji validasi dengan membagi dataset kedalam training dan testing. Hasil penelitian ini merupakan akurasi dari model prediksi yang dilakukan, yang dimana hasil akurasi yang didapat dari alat bantu Rapidminer dan algoritma Naïve Bayes adalah 0.8264.