KLASIFIKASI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN METODE NAÏVE BAYES

Tias Mugi Rahayu, Besse Arnawisuda Ningsi, Isnurani Isnurani, Irvana Arofah

Abstract


Ketepatan waktu kelulusan mahasiswa merupakan salah satu tujuan untuk menyelesaikan pendidikan mahasiswa di perguruan tinggi dengan status tepat waktu atau tamat. Butuh waktu ≤ 4 tahun untuk mencapai tujuan kelulusan tepat waktu dengan gelar sarjana, namun pada kenyataannya masih terdapat kasus mahasiswa yang tidak lulus tepat waktu. Penelitian ini bertujuan untuk mengetahui klasifikasi ketepatan waktu kelulusan mahasiswa Fakultas Ekonomi Universitas Pamulang tahun ajaran 2018/2019. Algoritma yang digunakan dalam klasifikasi data adalah klasifikasi Naïve Bayes. Klasifikasi Naive Bayesian adalah teknik klasifikasi data yang menggunakan teori dan statistik probabilitas untuk memprediksi probabilitas masa depan berdasarkan data masa lalu. Atribut yang digunakan dalam metode klasifikasi Naïve Bayes adalah ketepatan waktu kelulusan siswa, daerah asal, jenis kelamin, profesi orang tua, jenis sekolah, program studi dan predikat nilai rata-rata kumulatif (IPK). Hasil penelitian menunjukkan bahwa data kelulusan mahasiswa S1 Fakultas Ekonomi Universitas Pamulang tahun ajaran 2018/2019 sebanyak 61,9% yang mampu menyelesaikan pendidikan tepat waktu dengan tingkat akurasi sebesar 69,33%.

Keywords


Ketepatan Waktu Kelulusan, Klasifikasi, Naïve Bayes

Full Text:

PDF PDF

References


Ariani, N. K. D., Sumarjaya, I. W., & Bagus Oka, T. (2013). Analisis Faktor-Faktor Yang Memengaruhi Waktu Kelulusan Mahasiswa Dengan Menggunakan Metode GOMPIT (Studi Kasus: Mahasiswa Fakultas MIPA Universitas Udayana). E-Jurnal Matematika, 2(3), 40. https://doi.org/10.24843/mtk.2013.v02.i03.p047

Darwin, D., & Zurimi, S. (2019). Analisis model aplikatif Multivariate Adaptive Regression Spline (MARS) terhadap klasifikasi faktor yang mempengaruhi masa studi mahasiswa FKIP Universitas Darussalam Ambon. Jurnal Simetrik, 9(2), 250–255. http://ejournal-polnam.ac.id/index.php/JurnalSimetrik/article/viewFile/426/278

Iskandar, D. (2013). Perbandingan akurasi tingkat kemiskinan antara algoritma C4.5 dan Naive Bayes Classifier. JAVA Jounal of Electrical and Electronic Engineering.

Larose, D. T. (2005). Discovering Knowledge in Data: An Introduction to Data Mining. In Discovering Knowledge in Data: An Introduction to Data Mining. https://doi.org/10.1002/0471687545

Nofriansyah, D., & Widi Nurcahyo, G. (2015). Algoritma Data Mining dan Pengujian. Yogyakarta: Deepublish.

Rahmi, I., & Yozza, H. (2020). Analisis Kausal Masa Studi Mahasiswa Program Studi Matematika Universitas Andalas Dengan Menggunakan Metode CART.

Suyanto. (2019). Data mining : untuk klasifikasi dan klasterisasi data. Bandung: Informatika.

Syarli, S., & Muin, A. (2016). Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi). Jurnal Ilmiah Ilmu Komputer, 2(1), 22–26.

Turban, E., Aronson, J. E., & Peng Liang, T. (2005). Decision-Support-and-Intelligence.Pdf. Andi: Yogyakarta.




DOI: https://doi.org/10.33758/mbi.v15i8.1062

Refbacks

  • There are currently no refbacks.


____________________________________________
MEDIA BINA ILMIAH
ISSN 1978-3787 (print) | 2615-3505( online)
Published by BINA PATRIA | Email: laloemipa@gmail.com

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

View My Stats