IMPLEMENTASI METODE KLASIFIKASI NAÏVE BAYES DALAM MEMPREDIKSI PENENTUAN KELULUSAN MAHASISWA TEPAT WAKTU (STUDI KASUS STMIK AKAKOM YOGYAKARTA)
Daftar Isi:
- Mahasiswa yang tidak lulus tepat waktu menjadi masalah tersendiri bagi program studi karena ketidaksesuaian jumlah mahasiswa masuk dengan jumlah mahasiswa yang lulus setiap tahun. Hal tersebut perlu dilakukan prediksi kelulusan sehingga prodi dapat melakukan tindakan terhadap mahasiswa yang diprediksi. Naïve bayes adalah teknik prediksi berbasis probabilistik sederhana yang berdasar pada penerapan Teorema Bayes. Data yang digunakan adalah data kelulusan mahasiswa prodi Sistem Informasi tahun ajaran 2016/2017 sampai 2017/2018 sebagai data training dengan jumlah 80 data dan data mahasiswa yang masih aktif sebagai data testing, namun untuk mengukur keakuratan sistem membutuhkan sebagian data kelulusan sebagai data testing dengan jumlah 20 data dengan kriteria jurusan asal sekolah mahasiswa, indeks prestasi semester 1, IPK semester 4, jumlah nilai D dan E (dalam sks). Data diambil dari sistem informasi akademik Akakom pada alamat website hhtps://sia.akakom.ac.id. Prediksi kelulusan yang dilakukan menggunakan 80 data training dan 20 data testing diperoleh tingkat akurasi sebesar 70% dan presentasi error sebesar 30%. Berdasarkan hasil pengujian setiap kriteria diperoleh kesimpulan bahwa mahasiswa yang SMAnya berasal dari jurusan IPS mempunyai peluang lebih besar untuk lulus terlambat. Kriteria ip semester 1 dan ipk semester 4 ≥ 2,00, total sks sampai semester 4 ≥ 72, jumlah nilai D (dalam sks) ≤ 20% dari total sks, dan jumlah nilai E (dalam sks) = 0 mempunyai peluang lebih besar untuk lulus tepat waktu. Kata Kunci : data mining, kelulusan mahasiswa, naïve bayes, prediksi