APLIKASI DATA MINING DENGAN ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA
Article Sidebar
Main Article Content
Abstract
Tumpukan Data dari sistem transaksional perusahaan atau instansi merupakan aset yang saat ini belum termanfaatkan untuk dianalisis dan menghasilkan pengetahuan atau informasi baru yang sangat berharga untuk masa mendatang. Menggunakan metode Naïve Bayes yang merupakan pengklasifikasian probabilitas sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang ada. Dengan memanfaatkan data kelulusan mahasiswa, diharapkan dapat menghasilkan pengetahuan baru tentang tingkat kelulusan. Data yang digunakan adalah data kelulusan mahasiswa yang telah dinyatakan lulus dari tahun 2016-2019 pada perguruan tinggi XYZ. Adapun atribut yang digunakan yaitu, Jenis Kelamin, Umur, Asal, Kelas, Jurusan, IPK. Sebagai tindakan preventif dengan aplikasi berbasis web ini, yang bisa diakses dimana saja dan kapan saja oleh mahasiswa, sehingga hasil prediksi tersebut dapat memotivasi mahasiswa dalam penyelesaian kuliahnya, memudahkan pihak kampus untuk memprediksi tingkat kelulusan agar membantu dalam merancang langkah perbaikan untuk meningkatkan kualitas kampus, nilai akreditasi kampus, sehingga tingkat kepercayaan stakeholder dapat meningkat di masa yang akan datang.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
References
Nurjoko and A. Darmawan, "Penerapan Data Mining Menggunakan Association Rules untuk Mendukung Strategi Pemasaran Calon Mahasiswa baru (Studi Kasus IBI Darmajaya)," Jurnal TIM Darmajaya, vol. 1, no. 1, pp. 17-32, 2015.
D. Nofriansyah, Konsep Data Mining Vs Sistem Pendukung Keputusan, Yogyakarta: Deepublish,2014.
N. Purwati and R. Nurlistiani, "DATA MINING DENGAN ALGORITMA NEURAL NETWORK DAN VISUALISASI DATA UNTUK PREDIKSI KELULUSAN MAHASISWA," Jurnal Informatika, vol. 20, no. 2, pp. 156-163, 2020.
H. Al Fatta, “Analisis dan Perancangan Sistem Informasi untuk Keunggulan Bersaing Perusahaan dan Organisasi Modern” Yogyakarta: Andi Offset. 2007.
A. Budiyantara, I. Irwansyah, E. Prengki, P. A. Pratama, and N. Wiliani, “KOMPARASI ALGORITMA DECISION TREE, NAIVE BAYES DAN K-NEAREST NEIGHBOR UNTUK MEMPREDIKSI MAHASISWA LULUS TEPAT WAKTU,” JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer), vol. 5, no. 2, pp. 265-270, 2020.
A. Azahari, Y. Yulindawati, D. Rosita, and S. Mallala, “Komparasi Data Mining Naive Bayes dan Neural Network memprediksi Masa Studi Mahasiswa S1,”, Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 3, pp. 443-452, 2020.
Kemenristekdikti, Peraturan Menteri Riset, Teknologi, dan Pendidikan Tinggi Republik Indonesia Nomor 44 Tahun 2015 tentang Standar Nasional Perguruan Tinggi. 2015.
E. Etriyanti, D. Syamsuar, and Y. N. Kunang “Implementasi Data Mining Menggunakan Algoritme Naive Bayes Classifier dan C4.5 untuk Memprediksi Kelulusan Mahasiswa,” Telematika, vol. 13, no. 1, pp. 56-67, 2020.
E. Sutoyo and A. Almaarif, “Educational Data Mining untuk Prediksi Kelulusan Mahasiswa Menggunakan Algoritme Naïve Bayes Classifier,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 4, no. 1, pp. 95-101, 2020.
R. A. Sukamto and M. Shalahuddin, Rekayasa Perangkat Lunak (Terstruktur dan berbasis objek), Bandung:Informatika, 2014.
A. R. Pratama, “Belajar UML - Use Case Diagram,” Codepolitan, 2019 .
A. Mariyus, N. Puwarti, and A. Aziz, “Aplikasi Pengolahan Data Puskesmas (Pusat Kesehatan Masyarakat) Desa Margodadi Kab. Tulang Bawang Barat,” Jurnal Simada, vol. 2, no. 1, pp. 15-25, 2019.
R. Abdulloh, “7 in 1 Pemrograman Web Untuk Pemula,” Jakarta: PT Elex Media Komputindo, 2018.
N. Purwati, H. Halimah, and A. Rahardi, “Perancangan Website Program Studi Sistem Informasi Institut Informatika Dan Bisnis Darmajaya Bandar Lampung,” SIMADA (Jurnal Sist. Inf. Manaj. Basis Data), vol. 1, no. 1, pp. 71-80, 2018.
L. MADCOMS, Pemrograman PHP dan MySQL untuk pemula, Bandung: ANDI 2016