PENERAPAN ALGORITMA NAÏVE BAYES CLASSIFIER UNTUK MEMPREDIKSI MASA STUDI MAHASISWA (Studi Kasus: Universitas Amikom Yogyakarta)

Saputro, Irkham Widhi (2018) PENERAPAN ALGORITMA NAÏVE BAYES CLASSIFIER UNTUK MEMPREDIKSI MASA STUDI MAHASISWA (Studi Kasus: Universitas Amikom Yogyakarta). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER-ABSTRAK.pdf Download (2MB)
	Text (BAB I) BAB I.pdf Download (1MB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (2MB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (3MB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text (BAB V) BAB V.pdf Download (268kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (449kB)

Abstract

Universitas AMIKOM Yogyakarta merupakan salah satu perguruan tinggi yang memiliki sekitar 1000 mahasiswa baru setiap tahunnya, khususnya pada prodi Informatika. Namun dari jumlah mahasiswa yang masuk tidak sebanding dengan jumlah mahasiswa yang lulus. Hal ini dapat dibuktikan dengan masih banyaknya mahasiswa yang belum dapat lulus tepat waktu. Jumlah mahasiswa yang lulus tepat waktu hanya mencapai kisaran 50% setiap tahunnya. Padahal ketepatan waktu lulus mahasiswa merupakan hal yang sangat penting bagi kriteria akreditasi. Pada skripsi ini, peneliti mencoba untuk menggunakan teknik data mining dengan metode klasifikasi menggunakan 300 data mahasiswa dengan 150 data angkatan 2012, dan 150 data angkatan 2013 pada prodi Informatika yang telah lulus. Dari 300 data tersebut, 144 mahasiswa lulus dengan Tepat Waktu, dan 156 mahasiswa lulus Tidak Tepat Waktu. Data tersebut akan digunakan sebagai data training, dan data testing dalam proses pembuatan model. Algoritma yang digunakan untuk klasifikasi adalah Naïve Bayes. Variabel penelitian yang digunakan adalah jenis kelamin, tipe sekolah, sekolah kota, IP semester 1, IP semester 2, IP semester 3, IP semester 4, IPK, dan keterangan lulus. Model yang telah dibuat akan diuji menggunakan metode Confusion Matrix dengan K-Fold Cross Validation sebagai metode untuk membagi datanya. Hasil pengujian yang diperoleh menggunakan meto metode K-Fold Cross Validation, dan Confusion Matrix pada model algoritma Naive Bayes menghasilkan nilai akurasi sebesar 68%, nilai presisi sebesar 61,3%, nilai recall sebesar 65,3%, dan nilai fl-score sebesar 61%, Untuk dapat mendapatkan model dengan kinerja yang lebih baik, peneliti menyarankan agar menggunakan data dengan jumlah yang lebih banyak, atau menggunakan variabel penelitian yang berbeda.

Actions (login required)

View Item