DATA MINING KLASIFIKASI KELULUSAN MAHASISWA MENGGUNAKAN METODE NAÏVE BAYES

Andika Andika, Syarli Syarli, Cipta Riang Sari

Abstract


Abstrak

 

Kemampuan seorang mahasiswa untuk menyelesaikan studi sesuai dengan waktu yang ditentukan merupakan faktor penting dalam menilai akreditasi universitas. Akreditasi yang baik menunjukkan citra sebuah universitas. Permasalahan yang muncul adalah banyaknya mahasiswa yang ketinggalan dalam menyelesaikan studinya sehingga menghambat sertifikasi program pembelajarannya. Tujuan dari penelitian ini adalah untuk merancang program aplikasi yang dapat mendukung keputusan terkait kelulusan mahasiswa. Penelitian ini menerapkan metode Nave Bayesian, yang dapat memprediksi peluang masa depan berdasarkan pengalaman masa lalu di Universitas Al-Ashalia Mander, Fakultas Ilmu Komputer, dan Program Penelitian Sistem Informasi. Penelitian ini merupakan program aplikasi data mining klasifikasi kelulusan mahasiswa dengan menggunakan metode Nave Bayes, yang diharapkan dapat membantu para pendidik menyelesaikan studinya tepat waktu dan mengembangkan kemampuannya untuk meningkatkan akreditasi pada program penelitiannya.

 

Kata kunci:  Data Mining, Klasifikasi,Naïve Bayes


Keywords


Kata kunci: Data Mining, Klasifikasi,Naïve Bayes

Full Text:

PDF

References


DAFTAR PUSTAKA

(Annasaheb & Verma, 2016). (n.d.).

Dwi, R., Pambudi, Afif, A., Supianto, & Setiawan, N. Y. (2019). Prediksi Kelulusan Mahasiswa Berdasarkan Kinerja Akademik Menggunakan Pendekatan Data Mining Pada Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Brawijaya. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer 2196, 3(3), 2194–2200. http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/download/4655/2154

Hasan, F. N., Hikmah, N., & Utami, D. Y. (2018). Perbandingan Algoritma C4.5, KNN, dan Naive Bayes untuk Penentuan Model Klasifikasi Penanggung jawab BSI Entrepreneur Center. Jurnal Pilar Nusa Mandiri, 14(2), 169. https://doi.org/10.33480/pilar.v14i2.908

Nikmatun, I. A., & Waspada, I. (2019). Implementasi Data Mining untuk Klasifikasi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighbor. Jurnal SIMETRIS, 10(2), 421–432.

Riang Sari, C. (2015). Teknik Data Mining Menggunakan Classification Dalam Sistem Penunjang Keputusan Peminatan SMA.

Sabilla, W. I., & Putri, T. E. (2017). Prediksi Ketepatan Waktu Lulus Mahasiswa dengan k- Nearest Neighbor dan Naïve Bayes Classifier ( Studi Kasus Prodi D3 Sistem Informasi Universitas Airlangga ). Jurnal Komputer Terapan, 3(2), 233–240. https://jurnal.pcr.ac.id/index.php/jkt/article/download/1544/699

Saputro, I. W., & Sari, B. W. (2020). Uji Performa Algoritma Naïve Bayes untuk Prediksi Masa Studi Mahasiswa. Creative Information Technology Journal, 6(1), 1. https://doi.org/10.24076/citec.2019v6i1.178

Setiyani, L., Wahidin, M., Awaludin, D., & Purwani, S. (2020). Analisis Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Data Mining Naïve Bayes : Systematic Review. Faktor Exacta, 13(1), 38–47. https://doi.org/10.30998/faktorexacta.v13i1.5548

Sinaga, K., & Handoko, K. (2021). Implementasi Data Mining Untuk Memprediksi Kelulusan Siswa Dengan Metode Naïve Bayes. Antimicrobial Agents and Chemotherapy, 04. https://doi.org/10.1128/AAC.03728-14

Sutoyo, E., & Almaarif, A. (2020). Educational Data Mining untuk Prediksi Kelulusan Mahasiswa Menggunakan Algoritme Naïve Bayes Classifier. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 4(1), 95–101. https://doi.org/10.29207/RESTI.V4I1.1502

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. https://fikom-unasman.ac.id/ejournal/index.php/jikom/article/download/76/52

Syarli, S., & Qashlim, A. (2017). Pemetaan Pemerataan Pendidikan Menggunakan Self Organizing Maps (SOM) Terintegrasi Sistem Informasi Geografis. Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar, 3(2), 27-34.

Widaningsih, S. (2019). Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Naïve Bayes, Knn Dan Svm. Jurnal Tekno Insentif, 13(1), 16–25. https://doi.org/10.36787/jti.v13i1.78




DOI: http://dx.doi.org/10.35329/jp.v4i1.2358

Article Metrics

Abstract views : 959 times | PDF - 307 times

Refbacks

  • There are currently no refbacks.