Prediksi Kelulusan Mahasiswa Pendidikan Informatika Universitas Ivet Semarang menggunakan Data Mining Metode Naive Bayes
Abstract
Pendidikan menjadi suatu proses dimana seluruh kalangan dapat meningkatkan potensi serta pengetahuan nya. Pada masa sekarang, perguruan tinggi dituntut memiliki keunggulan bersaing dan kualitas yang tinggi dengan cara memanfaatkan sumber daya teknologi. Teknologi informasi yang semakin canggih saat ini dapat memperoleh data yang diinginkan. Universitas Ivet Semarang terdapat salah satu prodi, yaitu Pendidikan informatika. Penelitian ini bertujuan untuk mengetahui (1) Prediksi kelulusan mahasiswa pendidikan informatika Universitas Ivet Semarang dengan menggunakan hasil metode Naive Bayes, (2) Mendapatkan akurasi yang tepat dalam melakukan klasifikasi kelulusan pendidikan informatika Universitas Ivet Semarang dengan Data Mining menggunakan metode Naive Bayes. Jenis Penelitian adalah penelitian kuantitatif. Data Pendukung kuesioner menggunakan data-data yang sudah diperoleh peneliti dari BAAK Universitas Ivet. Penelitian ini bersifat study literature dengan mengkaji jurnal - jurnal dan buku - buku teks yang berkaitan dengan bidang yang diteliti. Adapun perhitungan yang digunakan untuk memprediksi kelulusan mahasiswa dengan data mining metode Naive Bayes berbantuan dengan RapidMiner Studio 10.3. Hasil penelitian menunjukkan bahwa, (1) pengujian menggunakan RapidMiner Studio 10.3 dengan data training sebanyak 54 data. Data testing sebanyak 39 mahasiswa. dan 15 mahasiswa sebagai data uji. didapatkan hasil bahwa mahasiswa yang akan lulus tepat waktu sebanyak 18 mahasiswa atau sekitar 33,3% dari jumlah data testing dan mahasiswa yang tidak tepat waktu sebanyak 36 mahasiswa atau sekitar 66,6%.(2) Implementasi dengan algoritma Naive Bayes berhasil memprediksi besarnya kelulusan mahasiswa dengan persentase keakuratan sebesar 92.59%. dan memperoleh Precision 85.00% dan Recall 94.44%.
References
Andri, & Marlindawati. (2015). Pengelompokan Minat Belajar Mahasiswa Menggunakan Teknik Data Mining Dengan Metode Clustering. Jurnal Ilmiah MATRIK, 17(1), 67–76. https://media.neliti.com/media/publications/224929-pengelompokan-minat-belajar-mahasiswa-me-c66149b1.pdf
Fauziah, S., Sulistyowati, D. N., & Asra, T. (2019). Optimasi Algoritma Vector Space Model Dengan Algoritma K-Nearest Neighbour Pada Pencarian Judul Artikel Jurnal. Jurnal Pilar Nusa Mandiri, 15(1), 21–26. https://doi.org/10.33480/pilar.v15i1.27
Haryati, S., Sudarsono, A., & Suryana, E. (2015). Implementasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma C4.5 (Studi Kasus: Universitas Dehasen Bengkulu). Jurnal Media Infotama, 11(2), 130–138.
Iskandar, D., & K. Suprapto, Y. (2015). Perbandingan Akurasi Klasifikasi Tingkat. Network Engineering Research Operation (NERO), 2(1), 37–43. http://nero.trunojoyo.ac.id/index.php/nero/article/view/42
Kusumo, D. S., Bijaksana, M. A., & Darmantoro, D. (2016). Data Mining Dengan Algoritma Apriori Pada Rdbms Oracle. TEKTRIKA - Jurnal Penelitian Dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, Dan Elektronika, 8(1), 1–5. https://doi.org/10.25124/tektrika.v8i1.215
Maulida, L. (2018). Penerapan Datamining Dalam Mengelompokkan Kunjungan Wisatawan Ke Objek Wisata Unggulan Di Prov. Dki Jakarta Dengan K-Means. JISKA (Jurnal Informatika Sunan Kalijaga), 2(3), 167. https://doi.org/10.14421/jiska.2018.23-06
Mustafa, M. S., Ramadhan, M. R., & Thenata, A. P. (2018). Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. Creative Information Technology Journal, 4(2), 151. https://doi.org/10.24076/citec.2017v4i2.106
Nofitri, R., & Irawati, N. (2019). Analisis Data Hasil Keuntungan Menggunakan Software Rapidminer. JURTEKSI (Jurnal Teknologi Dan Sistem Informasi), 5(2), 199–204. https://doi.org/10.33330/jurteksi.v5i2.365
Novita, D., Sihotang, F. P., & Khairani, S. (2023). Pelatihan Penggunaan Microsoft Excel Untuk Mengolah Data Bagi Siswa/i SMK Bina Cipta Palembang. Fordicate, 2(2), 109–118. https://doi.org/10.35957/fordicate.v2i2.4759
Pambudi, R. D., Supianto, A. A., & Setiawan, N. Y. (2019). Prediction of Student Graduation Based on Academic Performance Using Data Mining Approach in Information Systems Study Program, Faculty of Computer Science, Universitas Brawijaya. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(3), 2548–2964. http://j-ptiik.ub.ac.id
Pratiwi, R. D. (2012). Menyusun Laporan Keuangan Sederhana Dengan Microsoft Excel. Media Ekonomi & Teknologi Informasi, 19(1), 64–70.
Ridwan, M., Suyono, H., & Sarosa, M. (2013). Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. Eeccis, 7(1), 59–64. https://doi.org/10.1038/hdy.2009.180
Rizal, R. A., Girsang, I. S., & Prasetiyo, S. A. (2019). Klasifikasi Wajah Menggunakan Support Vector Machine (SVM). REMIK (Riset Dan E-Jurnal Manajemen Informatika Komputer), 3(2), 1. https://doi.org/10.33395/remik.v3i2.10080
Widaningsih, S. (2019). Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Naïve Bayes, Knn Dan Svm. Jurnal Tekno Insentif, 13(1), 16–25. https://doi.org/10.36787/jti.v13i1.78
Wulandari, Retno, 2017, Data mining
Yuli Mardi. (2019). Data Mining?: Klasifikasi Menggunakan Algoritma C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge Discovery in Database ( KDD ) . Jurnal Edik Informatika. Jurnal Edik Informatika, 2(2), 213–219.
Zai, C. (2022). IMPLEMENTASI DATA MINING SEBAGAI PENGOLAHAN DATA. 2(3), 1–12.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
