STMIK AKAKOM YOGYAKARTA) Ir. M. Guntara, M.T Contributor Atmojo, Nugroho Tri - 175410021 Primary Author mixed material bibliography Yogyakarta STMIK AKAKOM 2021 monographic id Indonesia

Text

Mahasiswa yang tidak lulus tepat waktu menjadi masalah tersendiri bagi pihak akademik karena ketidaksesuaian jumlah mahasiswa masuk dengan jumlah mahasiswa yang lulus setiap tahun. Hal tersebut perlu dilakukan prediksi kelulusan sehingga pihak akademik dapat melakukan tindakan terhadap mahasiswa yang diprediksi. Algoritma Naive Bayes merupakan salah satu algoritma yang terdapat pada teknik klasifikasi. Naive Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik yang dikemukan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan berdasarkan pengalaman dimasa sebelumnya sehingga dikenal sebagai Teorema Bayes. Memperhatikan masalah pada ketidaksesuaian jumlah mahasiswa masuk dengan jumlah mahasiswa yang lulus maka perlu dibangun suatu sistem yang dapat memprediksi status kelulusan mahasiswa menggunakan algoritma Naive Bayes. Sistem dibangun dengan bahasa pemrograman php dan database mySQL. Data yang digunakan adalah data kelulusan mahasiswa program studi Informatika sebagai data training dan data testing. Dengan kriteria indeks prestasi semester 1 sampai dengan semester 4, IPK dan jumlah semester tidak aktif. Dilakukan tiga kali pengujian data, pertama dengan 192 data training dan 128 data testing dan kedua 256 data training dan 64 data testing dan ketiga 256 data training dan 128 data testing. Hasil penelitian menunjukan akurasi sebesar 93.75%. Dengan kata lain penggunaan metode Naive Bayes untuk prediksi kelulusan mahasiswa telah berhasil di implementasikan menggunakan Web Programming. Kata kunci : Kelulusan mahasiswa, Naive Bayes, prediksi Algoritma Naive Bayes Berbasis Web NONE Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia 098 Atm S R.1 ATM098TI0121 Rak Referensi Skripsi Informatika 098 Atm S R.1 16432 2021-09-07 10:52:19 2021-09-07 10:56:38 machine generated