PEMODELAN PREDIKSI TINGKAT KELULUSAN MAHASISWA DENGAN PENDEKATAN ALGORITMA NAÏVE BAYES

Jurnal Informatika Polinema Pub Date : 2023-08-22 DOI:10.33795/jip.v9i4.1367

Supangat, M. R. Sulistyawan

{"title":"PEMODELAN PREDIKSI TINGKAT KELULUSAN MAHASISWA DENGAN PENDEKATAN ALGORITMA NAÏVE BAYES","authors":"Supangat, M. R. Sulistyawan","doi":"10.33795/jip.v9i4.1367","DOIUrl":null,"url":null,"abstract":"Salah satu faktor penting dalam menilai akreditasi suatu lembaga atau perguruan tinggi adalah kelulusan. Prediksi kelulusan mahasiswa Program Studi Teknik Informatika Universitas 17 Agustus 1945 Surabaya penting untuk diketahui guna mengidentifikasi mahasiswa yang tidak lulus tepat waktu sejak awal. Prediksi kelulusan mahasiswa dapat dilakukan dengan menggunakan data mining khususnya metode klasifikasi. Pada penelitian ini, Algoritma Naive Bayes digunakan sebagai metode klasifikasi. Data pelatihan terdiri dari 120 alumni Program Studi Teknik Informatika angkatan 2017, sedangkan data pengujian terdiri dari 30 mahasiswa angkatan 2018. Atribut data yang digunakan untuk penelitian ini adalah IPS Semester 1-4, SKS, IPK, dan status kelulusan mahasiswa. Penelitian ini diharapkan dapat memberikan informasi tentang prediksi kelulusan mahasiswa tepat waktu dan memberikan masukan bagi perguruan tinggi untuk perbaikan kedepannya. Hasil dari penelitian ini menghasilkan diantaranya Hasil dari penerapkan algoritma Naïve Bayes pada sistem prediksi kelulusan ini dapat digunakan untuk memperkirakan apakah mahasiswa akan lulus tepat waktu atau tidak, Mahasiswa dapat dengan mudah melakukan intropeksi diri dengan cara mengakses halaman website ini secara online tanpa harus data ke gedung biro akademik, Hasil penelitian ini memiliki tingkat akurasi dalam memprediksi kelulusan mahasiswa yaitu 77%, tingkat presisi 77% , dan recall time 78%.","PeriodicalId":232501,"journal":{"name":"Jurnal Informatika Polinema","volume":"27 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-08-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Informatika Polinema","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.33795/jip.v9i4.1367","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Salah satu faktor penting dalam menilai akreditasi suatu lembaga atau perguruan tinggi adalah kelulusan. Prediksi kelulusan mahasiswa Program Studi Teknik Informatika Universitas 17 Agustus 1945 Surabaya penting untuk diketahui guna mengidentifikasi mahasiswa yang tidak lulus tepat waktu sejak awal. Prediksi kelulusan mahasiswa dapat dilakukan dengan menggunakan data mining khususnya metode klasifikasi. Pada penelitian ini, Algoritma Naive Bayes digunakan sebagai metode klasifikasi. Data pelatihan terdiri dari 120 alumni Program Studi Teknik Informatika angkatan 2017, sedangkan data pengujian terdiri dari 30 mahasiswa angkatan 2018. Atribut data yang digunakan untuk penelitian ini adalah IPS Semester 1-4, SKS, IPK, dan status kelulusan mahasiswa. Penelitian ini diharapkan dapat memberikan informasi tentang prediksi kelulusan mahasiswa tepat waktu dan memberikan masukan bagi perguruan tinggi untuk perbaikan kedepannya. Hasil dari penelitian ini menghasilkan diantaranya Hasil dari penerapkan algoritma Naïve Bayes pada sistem prediksi kelulusan ini dapat digunakan untuk memperkirakan apakah mahasiswa akan lulus tepat waktu atau tidak, Mahasiswa dapat dengan mudah melakukan intropeksi diri dengan cara mengakses halaman website ini secara online tanpa harus data ke gedung biro akademik, Hasil penelitian ini memiliki tingkat akurasi dalam memprediksi kelulusan mahasiswa yaitu 77%, tingkat presisi 77% , dan recall time 78%.

查看原文本刊更多论文

一个基于天真贝斯算法的研究生毕业模型

评估一个机构或大学的认证的一个重要因素是毕业。1945年8月17日，泗水大学信息工程专业学生毕业的预测对于确定那些从一开始就没有按时毕业的学生是至关重要的。学生的毕业预测可以使用数据挖掘特别是分类方法来实现。在这项研究中，Naive Bayes算法被用作一种分类方法。培训数据包括120名校友2017届信息工程研究项目，测试数据包括30名2018届学生。本研究使用的数据属性为IPS学期1-4、SKS、gpk和学生的毕业状态。本研究预计将及时提供有关学生毕业预测的信息，并为大学提供改进未来的建议。这些研究的结果产生了其中penerapkan天真的贝叶斯算法的结果这个毕业预测系统可以用来预测是否会按时毕业的学生,学生可以很容易地用自己intropeksi如何网上访问这个网站页面,而不必到局里学术大楼,这项研究结果数据中有精确度预测大学生毕业即77%,77%,精确度恢复时间78%。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Jurnal Informatika Polinema

自引率

0.00%

发文量