Detail Cantuman Kembali
IMPLEMENTASI METODE KLASIFIKASI NAÏVE BAYESrnDALAM MEMPREDIKSI PENENTUAN KELULUSAN MAHASISWArnTEPAT WAKTUrn(STUDI KASUS STMIK AKAKOM YOGYAKARTA)
- Bagikan:
Mahasiswa yang tidak lulus tepat waktu menjadi masalah tersendiri bagirnprogram studi karena ketidaksesuaian jumlah mahasiswa masuk dengan jumlahrnmahasiswa yang lulus setiap tahun. Hal tersebut perlu dilakukan prediksi kelulusanrnsehingga prodi dapat melakukan tindakan terhadap mahasiswa yang diprediksi.rnNaïve bayes adalah teknik prediksi berbasis probabilistik sederhana yangrnberdasar pada penerapan Teorema Bayes. Data yang digunakan adalah datarnkelulusan mahasiswa prodi Sistem Informasi tahun ajaran 2016/2017 sampairn2017/2018 sebagai data training dengan jumlah 80 data dan data mahasiswa yangrnmasih aktif sebagai data testing, namun untuk mengukur keakuratan sistemrnmembutuhkan sebagian data kelulusan sebagai data testing dengan jumlah 20 datarndengan kriteria jurusan asal sekolah mahasiswa, indeks prestasi semester 1, IPKrnsemester 4, jumlah nilai D dan E (dalam sks). Data diambil dari sistem informasirnakademik Akakom pada alamat website hhtps://sia.akakom.ac.id.rnPrediksi kelulusan yang dilakukan menggunakan 80 data training dan 20rndata testing diperoleh tingkat akurasi sebesar 70% dan presentasi error sebesarrn30%. Berdasarkan hasil pengujian setiap kriteria diperoleh kesimpulan bahwarnmahasiswa yang SMAnya berasal dari jurusan IPS mempunyai peluang lebih besarrnuntuk lulus terlambat. Kriteria ip semester 1 dan ipk semester 4 ≥ 2,00, total sksrnsampai semester 4 ≥ 72, jumlah nilai D (dalam sks) ≤ 20% dari total sks, dan jumlahrnnilai E (dalam sks) = 0 mempunyai peluang lebih besar untuk lulus tepat waktu.rnKata Kunci : data mining, kelulusan mahasiswa, naïve bayes, prediksi
006 Roc I R.1
NONE
Text Skripsi
Indonesia
STMIK AKAKOM
2019
STMIK AKAKOM
xiv, 76 hlm, ilus; 29 cm
LOADING LIST...
LOADING LIST...