KOMPARASI ALGORITMA NAIVE BAYES DAN LOGISTIC REGRESSION DALAM MEMPREDIKSI KELULUSAN MAHASISWA UNIVERSITAS AMIKOM YOGYAKARTA

Yudhayana, Farhan Bachtiar (2025) KOMPARASI ALGORITMA NAIVE BAYES DAN LOGISTIC REGRESSION DALAM MEMPREDIKSI KELULUSAN MAHASISWA UNIVERSITAS AMIKOM YOGYAKARTA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (607kB)
	Text (BAB I) BAB I.pdf Download (311kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (923kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (503kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (658kB)
	Text (BAB V) BAB V.pdf Download (88kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (164kB)
	Archive (SOURCE CODE) Sourcecode - 21.61.0225.zip Restricted to Repository staff only Download (1MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (713kB)

Abstract

Kelulusan mahasiswa merupakan salah satu tolok ukur keberhasilan sebuah institusi pendidikan tinggi. Meskipun demikian, tidak semua mahasiswa mampu menyelesaikan pendidikan mereka dalam waktu yang ditentukan atau memperoleh gelar dengan prestasi yang tinggi. Berbagai faktor akademik, seperti angka IPK, jumlah SKS yang diambil, indeks prestasi per semester (IPS), dan tingkat kehadiran, diduga berperan penting dalam menentukan hasil akhir studi para mahasiswa. Apabila aspek-aspek ini dianalisis dengan baik, universitas dapat mengambil langkah lebih tepat dalam mendukung mahasiswa agar mereka dapat lulus tepat waktu dengan hasil yang maksimal. Penelitian ini menggunakan model Naive Bayes dan Logistic Regression untuk memprediksi kategori kelulusan mahasiswa di Universitas AMIKOM Yogyakarta. Data yang dianalisis meliputi informasi akademik seperti IPK, IPS setiap semester, total SKS yang ditempuh, jenis kelamin, usia saat mendaftar kuliah, dan rata-rata kehadiran. Kedua model ini dibandingkan untuk melihat seberapa akurat dan efektif keduanya dalam memprediksi kategori kelulusan mahasiswa. Temuan dari penelitian ini menunjukkan bahwa model Logistic Regression memberikan tingkat accuracy prediksi sebesar 80,76%, sementara model Naive Bayes mencatat accuracy sebesar 79,72%. Logistic Regression menunjukkan kemampuan klasifikasi yang lebih konsisten dan seimbang, terutama dalam mengidentifikasi kategori kelulusan Cum Laude dan Sangat Memuaskan, dengan nilai recall dan precision yang lebih unggul dibandingkan Naive Bayes. Diharapkan, hasil penelitian ini dapat membantu Universitas AMIKOM Yogyakarta dalam merumuskan kebijakan akademik yang lebih baik, memberikan intervensi lebih awal kepada mahasiswa yang memerlukan bantuan, serta meningkatkan strategi pembelajaran agar semakin banyak mahasiswa yang dapat lulus dengan hasil yang lebih memuaskan.

Actions (login required)

View Item