IMPLEMENTASI ALGORITMA NAÃVE BAYES UNTUK MEMPREDIKSI LAMA MASA STUDI DAN PREDIKAT KELULUSAN MAHASISWA
(STUDI KASUS : TEKNIK INFORMATIKA STIKI MALANG)
Total View This Week0
Total View This Week0
Institusion
STIKI Malang
Author
Windy, .
Subject
Theory and algorithms for application domains
Datestamp
2021-08-13 13:42:50
Abstract :
Kata Kunci: Prediksi, Naïve Bayes, Masa Studi, Correlation Feature Selection, 10 Fold Cross Validation Teknik Informatika merupakan salah satu program studi di STIKI Malang yang memiliki data mahasiswa cukup besar baik data mahasiswa aktif maupun mahasiswa yang sudah lulus. Setiap tahun mahasiswa yang lulus tepat waktu jauh lebih sedikit dibanding mahasiswa baru, yang mana akan berpengaruh terhadap kualitas mahasiswa itu sendiri dan juga berpengaruh akreditasi Stiki malang. Oleh karena itu, tujuan penelitian ini adalah membuat suatu aplikasi untuk melakukan prediksi terhadap lama studi dan predikat kelulusan mahasiswa dengan menerapkan supervised learning. Prediksi terhadap masa studi berupa tepat waktu, terlambat, atau tidak lulus serta prediksi untuk predikat berupa summa cumlaude, cumlaude, sangat memuaskan atau memuaskan. Metode aplikasi yang digunakan dalam supervised learning untuk prediksi adalah algoritma Naïve Bayes. Hal ini digunakan untuk menganalisis data, terutama dalam proses pengenalan pola, memprediksi masa studi dan predikat kelulusan. Sebelum memasuki tahap perhitungan algoritma Naive Bayes, Correlation Feature Selection digunakan untuk memilih fitur-fitur relevan yang berfungsi untuk meningkatkan akurasi dari sistem. Hasil penelitian berdasarkan pengujian 10 Fold Cross Validation menunjukkan bahwa aplikasi dapat digunakan untuk membantu program studi Teknik Informatika dalam rangka menemukan informasi strategis terkait dengan lama studi dan predikat kelulusan mahasiswa dengan akurasi 77,19% dan 87,65%.
Kata Kunci: Prediksi, Naïve Bayes, Masa Studi, Correlation Feature Selection, 10 Fold Cross Validation Teknik Informatika merupakan salah satu program studi di STIKI Malang yang memiliki data mahasiswa cukup besar baik data mahasiswa aktif maupun mahasiswa yang sudah lulus. Setiap tahun mahasiswa yang lulus tepat waktu jauh lebih sedikit dibanding mahasiswa baru, yang mana akan berpengaruh terhadap kualitas mahasiswa itu sendiri dan juga berpengaruh akreditasi Stiki malang. Oleh karena itu, tujuan penelitian ini adalah membuat suatu aplikasi untuk melakukan prediksi terhadap lama studi dan predikat kelulusan mahasiswa dengan menerapkan supervised learning. Prediksi terhadap masa studi berupa tepat waktu, terlambat, atau tidak lulus serta prediksi untuk predikat berupa summa cumlaude, cumlaude, sangat memuaskan atau memuaskan. Metode aplikasi yang digunakan dalam supervised learning untuk prediksi adalah algoritma Naïve Bayes. Hal ini digunakan untuk menganalisis data, terutama dalam proses pengenalan pola, memprediksi masa studi dan predikat kelulusan. Sebelum memasuki tahap perhitungan algoritma Naive Bayes, Correlation Feature Selection digunakan untuk memilih fitur-fitur relevan yang berfungsi untuk meningkatkan akurasi dari sistem. Hasil penelitian berdasarkan pengujian 10 Fold Cross Validation menunjukkan bahwa aplikasi dapat digunakan untuk membantu program studi Teknik Informatika dalam rangka menemukan informasi strategis terkait dengan lama studi dan predikat kelulusan mahasiswa dengan akurasi 77,19% dan 87,65%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
