<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="16081">
<titleInfo>
<title>PREDIKSI JUMLAH PENDAFTAR ULANG DI STMIK AKAKOM YOGYAKARTA MENGGUNAKAN ALGORITMA NAÏVE BAYES</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Yanotama, Tyas - 155410121</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>Ariesta Damayanti, S.Kom., M.Cs.,</namePart>
<role><roleTerm type="text">Contributor</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes">mixed material</typeOfResource>
<genre authority="marcgt">bibliography</genre>
<originInfo>
<place><placeTerm type="text">Yogyakarta</placeTerm></place>
<publisher>STMIK AKAKOM</publisher>
<dateIssued>2020</dateIssued>
<issuance>monographic</issuance>
<edition></edition>
</originInfo>
<language>
<languageTerm type="code">id</languageTerm>
<languageTerm type="text">Indonesia</languageTerm>
</language>
<physicalDescription>
<form authority="gmd">Text Skripsi</form>
<extent></extent>
</physicalDescription>
<note>STMIK AKAKOM Yogyakarta setiap tahunnya melakukan penerimaan mahasiswa baru yang dilakukan oleh bagian marketing dan admisi, penerimaan mahasiswa baru sangat penting untuk STMIK AKAKOM Yogyakarta karena operasional kampus dibiayai oleh pemasukan yang berasal dari SPP mahasiswa
STMIK AKAKOM Yogyakarta mengharapkan jumlah mahasiswa baru setiap tahunnya sesuai target, sehingga bagian marketing dan admisi STMIK AKAKOM Yogyakarta memilki jumlah target penerimaan mahasiswa baru setiap tahunnya, perlunya target penerimaan mahasiswa baru digunakan untuk memberikan gambaran jumlah mahasiswa baru ditahun selanjutnya, atrribut yang digunakan
dalam penelitian anatara lain gelombang pendaftaran, jurusan, pendapatan orang tua, biaya kuliah dan nilai rata-rata UN Naïve Bayes adalah pengklasifikasian statistik yang dapat digunakan untuk
memprediksi probabilitas keanggotaan suatu class Naïve Bayes didasarkan pada teorema Bayes yang memiliki kemampuan klasifikasi seperti decision tree dan neural network (Kusrini 2009) Naïve Bayes digunakan untuk memprediksi jumlah mahasiswa baru dengan menggunakan data pendaftar ulang di tahun sebelumnya yang memiliki atribut yaitu asal kota, gelombang, program studi, penghasilan
orang tua, nilai UN dan status registrasi, sehingga pihak marketing dan admisi STMIK AKAKOM Yogyakarta mendapat gambaran jumlah mahasiswa baru ditahun depan.
Hasil dari penelitian ini adalah sistem yang dapat memprediksi data dengan kelas yaitu registrasi dan tidak registrasi Dari 1704 data testing yang di proses menggunakan sistem didapatkan hasil prediksi registrasi sebanyak 1226 data dan tidak registrasi 478 data Untuk pengujian dari 731 data didapatkan hasil
prediksi 679 data terprediksi benar dan 52 data salah prediksi Tingkat akurasi probabilitas yang didapatkan sebesar 92,88%.
Kata Kunci : Registrasi, Data Mining, Naïve Bayes</note>
<subject authority=""><topic>DATA MINING</topic></subject>
<classification>NONE</classification><identifier type="isbn"></identifier><location>
<physicalLocation>Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia</physicalLocation>
<shelfLocator>106 Yan P R.1</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">YAN010620TI01</numerationAndChronology>
<sublocation>Rak Referensi  Skripsi Informatika</sublocation>
<shelfLocator>106 Yan P R.1</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<recordInfo>
<recordIdentifier>16081</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2020-11-11 08:46:34</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2020-11-11 08:47:31</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>