Implementasi Naïve Bayes Classifier Dalam Memprediksi Kelulusan Mahasiswa

Saat ini mutu pendidikan suatu perguruan tinggi dapat dilihat melalui keberhasilan ataupun kegagalan mahasiswa dalam menyelesaikan studinya. Beberapa penelitian mengenai prediksi kelulusan mahasiswa sudah banyak dilakukan, baik yang datasetnya berasal dari tempat penelitian ataupun Kaggle, namun pada penelitian ini penulis melakukan prediksi kelulusan mahasiswa yang datasetnya berasal data Kaggle dengan algoritma Naïve Bayes Classifier. Adapun tujuan dari penelitian ini yaitu mengetahui akurasi yang dihasilkan oleh Naïve Bayes Classifier dalam melakukan prediksi terhadap lama studi mahasiswa. Untuk mengetahui tingkat akurasi tersebut, penelitian ini akan membagi 500 dataset menjadi 3 skenario pengujian yang berbeda, yaitu scenario I dengan perbandingan antara data training : data testing adalah 80:20, scenario II 50:50 dan scenario II dengan perbandingan 20:80. Analisis terhadap hasil pengujian selanjutnya akan dianalisis menggunakan confusion matrix. Berdasarkan hasil pengujian 3 skenario tersebut didapatkan bahwa scenario I mampu menghasilkan nilai akurasi tertinggi dengan nilai f1-score yang dihasilkanpun diatas 90%.