Prediksi Kelulusan Tepat Waktu Berdasarkan Riwayat Akademik Menggunakan Metode Naïve Bayes

Imam Riadi; Rusydi Umar; Rio Anggara

doi:10.51454/decode.v4i1.308

Authors

Imam Riadi Sistem Informasi Universitas Ahmad Dahlan
Rusydi Umar Informatika Universitas Ahmad Dahlan
Rio Anggara Informatika Universitas Ahmad Dahlan

DOI:

https://doi.org/10.51454/decode.v4i1.308

Keywords:

Confusion Matrix, Data Mining, Klasifikasi, Naïve Bayes, Prediksi Kelulusan

Abstract

Kelulusan tepat waktu mahasiswa memiliki dampak besar dalam dunia pendidikan. Namun, tidak semua mahasiswa, mampu mencapai prestasi tersebut. Oleh karena itu, diperlukan penelitian yang mendalam dalam menganalisis data kelulusan sebagai upaya mendukung mahasiswa agar berhasil menyelesaikan studi mereka tepat waktu. Penelitian data kelulusan bisa dilakukan menggunakan tehnik klasifikasi data mining. Klasifikasi merupakan salah satu pengolahan dalam data mining dilakukan dengan cara mengelompokkan dengan metode tertentu. Penelitian ini membangun aplikasi dengan implementasi metode naive bayes dengan mempertimbangkan parameter menghasilkan klasifikasi mahasiswa lulus tidak tepat waktu dan lulus tepat waktu. Tahapan pada penelitian seperti load data, cleaning data, selection data, transformation data, data training, data testing, dan hasil prediksi. Tahapan pengujian akurasi penelitian menggunakan metode confusion matrix mendapat akurasi 72% dengan total penerapan data sejumlah 291 dengan detail 273 data training dan 18 data testing. Hasil akurasi menunjukkan bahwa sistem prediksi kelulusan dapat digunakan FTI UAD sebagai salah satu acuan dan pertimbangan fakultas mengambil langkah-langkah kelulusan mahasiswa.

References

Allan, S. (2020). Migration and transformation: A sociomaterial analysis of practitioners’ experiences with online exams. Research in Learning Technology, 28(2279), 1-14. https://doi.org/10.25304/rlt.v28.2279

Amri, A. (2020). Dampak Covid-19 Terhadap UMKM Di Indonesia. Jurnal Brand, 2(1), 123-130.

Devita, R. N., Herwanto, H. W., & Wibawa, A. P. (2018). Perbandingan Kinerja Metode Naive Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahasa indonesia. Jurnal Teknologi Informasi dan Ilmu Komputer, 5(4), 427–434. https://doi.org/10.25126/jtiik.201854773

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, 3(3), 2194-2200.

Falade, A., Azeta, A., Oni, A., & Odun-ayo, I. (2019). Systematic Literature Review of Crime Prediction and Data Mining. Review of Computer Engineering Studies, 6(3), 56-63. https://doi.org/10.18280/rces.060302

Hidayat, I. (2021). Prediksi Kelulusan Tepat Waktu Menggunakan Algoritma Svm Dan K-Nearest Neighbour Berbasis Particle SWARM Optimization Di STMIK Eresha. XVI(01), 55-65.

Kharis, S. A. A., Zili, A. H. A., Zubir, E., & Fajar, F. I. (2023). Prediksi Kelulusan Siswa pada Mata Pelajaran Matematika menggunakan Educational Data Mining. Jurnal Riset Pembelajaran Matematika Sekolah, 7(1), 28-36. https://doi.org/10.21009/jrpms.071.03

Larasati, I. D., Supianto, A. A., & Furqon, M. T. (2019). Prediksi Kelulusan Mahasiswa Berdasarkan Kinerja Akademik Menggunakan Metode Modified K-Nearest Neighbor ( MK-NN ). 3(5), 4558-4593.

Manullang, J., & Panggabean, J. F. R. (2022). Analisis Kelulusan Mahasiswa Menggunakan Algoritma Naïve Bayes. Jurnal Sains dan Teknologi ISTP, 16(2), 174-179. https://doi.org/10.59637/jsti.v16i2.123

Nugraha, G. S., Hairani, H., & Ardi, R. F. P. (2018). Aplikasi Pemetaan Kualitas Pendidikan di Indonesia Menggunakan Metode K-Means. Jurnal MATRIK, 17(2), 13-23.

Nurdin, N., Suhendri, M., Afrilia, Y., & Rizal, R. (2021). Klasifikasi Karya Ilmiah (Tugas Akhir) Mahasiswa Menggunakan Metode Naive Bayes Classifier (NBC). Sistemasi, 10(2), 268-279. https://doi.org/10.32520/stmsi.v10i2.1193

Pradnyana, G. A., & Permana, A. A. J. (2018). Sistem Pembagian Kelas Kuliah Mahasiswa Dengan Metode K-Means Dan K-Nearest Neighbors Untuk Meningkatkan Kualitas Pembelajaran. JUTI: Jurnal Ilmiah Teknologi Informasi, 16(1), 59. https://doi.org/10.12962/j24068535.v16i1.a696

Priyatman, H., Sajid, F., & Haldivany, D. (2019). Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan Mahasiswa. Jurnal Edukasi dan Penelitian Informatika (JEPIN), 5(1), 62-66. https://doi.org/10.26418/jp.v5i1.29611

Puspita, R., & Widodo, A. (2021). Perbandingan Metode KNN , Decision Tree , dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS. 5(4), 646-654.

Putro, H. F., Vulandari, R. T., & Saptomo, W. L. Y. (2020). Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan. Jurnal Teknologi Informasi dan Komunikasi (TIKomSiN), 8(2), 19-24. https://doi.org/10.30646/tikomsin.v8i2.500

Rachmat, R., Chrisnanto, Y. H., & Umbara, F. R. (2020). Sistem Prediksi Mutu Air Di Perusahaan Daerah Air Minum Tirta Raharja Menggunakan K – Nearest Neighbors ( K – NN ). Prosiding SISFOTEK, 4(1), 189-193.

Ramadhayanti, A. (2018). Analisis Strategi Belajar Dengan Metode Bimbel Online Terhadap Kemampuan Pemahaman Kosa Kata Bahasa Inggris dan Pronunciation (Pengucapan/pelafalan) Berbahasa Remaja Saat Ini. KREDO : Jurnal Ilmiah Bahasa dan Sastra, 2(1), 39-52. https://doi.org/10.24176/kredo.v2i1.2580

Rustam, S., & Annur, H. (2019). Akademik Data Mining ( Adm ) K-Means Dan K-Means K-Nn Untuk Mengelompokan Kelas Mata Kuliah Kosentrasi. 11(3), 260-268. https://doi.org/10.33096/ilkom.v11i3.487.260-268

Setiadi, N. T. (2020). Prediksi Kelulusan Mahasiswa Berdasarkan Data Berkunjung dan Pinjam Buku di Perpustakaan Menggunakan Metode C4.5. 8(2), 24-33. http://dx.doi.org/10.12928/jstie.v8i2.16950

Shedriko, S., & Firdaus, M. (2022). Penentuan Klasifikasi Dengan Crisp-Dm Dalam Memprediksi Kelulusan Mahasiswa Pada Suatu Mata Kuliah. Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi), 6(1), 826-831. https://doi.org/10.30998/semnasristek.v6i1.5814

Saputra, R., & Sibarani, A. J. P. (2020). Implementasi Data Mining Menggunakan Algoritma Apriori Untuk Meningkatkan Pola Penjualan Obat. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 7(2), 262-276. https://doi.org/10.35957/jatisi.v7i2.195

Waliyansyah, R. R., & Fitriyah, C. (2019). Perbandingan Akurasi Klasifikasi Citra Kayu Jati Menggunakan Metode Naive Bayes dan k-Nearest Neighbor (k-NN). Jurnal Edukasi dan Penelitian Informatika (JEPIN), 5(2), 157-163.

Yalidhan, M. D., & Amin, M. F. (2018). Implementasi Algoritma Backpropagation Untuk Memprediksi Kelulusan Mahasiswa. Klik - Kumpulan Jurnal Ilmu Komputer, 5(2), 169. http://dx.doi.org/10.20527/klik.v5i2.152

Yusuf, W., Witri, R., & Juliane, C. (2022). Model Prediksi Penjualan Jenis Produk Tekstil Menggunakan Algoritma K-Nearest Neighbor (K-NN). (Indonesian Journal on Computer and Information Technology), 7(1), 1–6. https://doi.org/10.31294/ijcit.v7i1.11973