Sistem Pendukung Keputusan Untuk Memprediksi Kelulusan Mahasiswa Pada Program Studi Pendidikan Teknik Informatika Dan Komputer Dengan Menggunakan Algoritma Naïve Bayes

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan untuk memprediksi kelulusan mahasiswa apakah dapat lulus kurang dari sama dengan 4 tahun atau lebih dari 4 tahun. Algoritma yang digunakan adalah Naïve Bayes dengan menggunakan atribut yaitu jenis kelamin, IPK semester 1-4, jumlah SKS semester 1-4, jumlah mata kuliah semester 1-4. Metode Naïve Bayes digunakan untuk menganalisis data dalam pengenalan pola dan memprediksi kelulusan mahasiswa. Data yang dibutuhkan adalah data mahasiswa yang sudah lulus sebagai data training sedangkan data mahasiswa yang masih menempuh studi kuliah sebagai data uji. Data training yang digunakan dalam penelitian ini sebanyak 326 lulusan dan data uji yang digunakan sebanyak 41 mahasiswa. Dalam penelitian ini hasil yang dicapai memiliki akurasi untuk tepat waktu sebesar 63% dan akurasi untuk terlambat sebesar 37%.

Decision Support System Design and Development for Determine Graduate Phase of College Students with Naïve Bayes Algorithm Web-Based in Indonesia Institute of Business and Technology

“…Beberapa penelitian telah membahas mengenai pembuatan sistem pendukung keputusan memprediksi tingkat kelulusan mahasiswa diantaranya sistem pendukung keputusan untuk memprediksi kelulusan mahasiswa pada Program Studi Pendidikan Teknik Informatika dan Komputer dengan Menggunakan Algoritma Naïve Bayes oleh Reni, dkk [1]. Sistem Penelitian terdahulu selanjutnya adalah optimasi model prediksi kelulusan mahasiswa menggunakan algoritma Naïve Bayes oleh Hartatik [4].…”

Model Prediksi Kelulusan Mahasiswa Tepat Waktu dengan Metode Naïve Bayes

“…Penelitian sebelumnya yang relevan dengan penelitian kami menggunakan metode yang sama adalah Nurdiawan & Salim (2018) dengan objek penelitiannya berupa penjualan barang memperoleh akurasi metode sebesar 97,22%, penelitian Khoirunnisa et al (2021) dengan objek penelitian siswa SMK yang masuk Perguruan Tinggi memperoleh akurasi sebesar 92,40%, penelitian Zed & Muhammad (2018) dengan objek penelitian karyawan untuk prediksi karyawan tetap memperoleh akurasi 94%, dan Syarli & Muin (2016) dengan objek kelulusan calon mahasiswa baru memperoleh akurasi 94%. Sementara penelitian dengan objek dan metode yang sama dengan penelitian ini, seperti Reni, Widodo, & Adhi, (2020), memperoleh 63% akurasi pada kelulusan tepat waktu dan 37% akurasi prediksi kelulusan terlambat, sementara pada penelitian Heryana (2019) memperoleh akurasi 75,67%. Dengan melihat akurasi metode dari model prediksi dalam penelitian ini, serta melihat laporan-laporan penelitian sebelumnya, dapat disimpulkan bahwa penggunakan metode klasifikasi naive bayes sangat efektif untuk aplikasi prediksi, dan dapat diterapkan pada kasus-kasus prediksi lainnya.…”