Model Prediksi Kelulusan Mahasiswa Tepat Waktu dengan Metode Naïve Bayes

Authors

DOI:

https://doi.org/10.29408/edumatic.v6i1.4789

Keywords:

prediction model, nave bayes, on-time graduation, classification, machine learning

Abstract

There is a gap in the number of students in and out of graduating on this study program. The gap occurs due to the low graduation of students on time. Therefore, this study aims to design a model of student graduation predictions on time and not on time in finding solutions to that gap. The predictive model used in this study is Naïve Bayes. The data used in the form of 44 graduate data in 2020 is divided into two parts of the analysis stage with RapidMider, namely 38 graduates (training) and six data for testing. Our findings showed that the resulting research prediction model was excellent, with five data from six graduates matching the predictions in the first test, while one data was illegible. However, in the second test, six graduate data are exactly the same as modeling, whose accuracy shows a value of 100%.

References

Amalia, N., Shaufiah, S., & Sa’adah, S. (2015). Penerapan Teknik Data Mining untuk Klasifikasi Ketepatan Waktu Lulus Mahasiswa Teknik Informatika Universitas Telkom Menggunakan Algoritma Naive Bayes Classifier. EProceedings of Engineering, 2(3). https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/1314

Andri, R. (2019). Implementasi Metode Naive Bayes Classifier Untuk Perkitaan Cuaca. [Skripsi, Universitas Teknologi Yogyakarta] Eprint. http://eprints.uty.ac.id/2916/

BAN-PT. (2019). Naskah Akademik Instrumen Akreditasi Perguruan Tinggi 3.0. Badan Akreditasi Nasional Perguruan Tinggi. https://www.banpt.or.id/wp-content/uploads/2019/09/Lampiran-01-PerBAN-PT-3-2019-Naskah-Akademik-IAPT-3_0.pdf

Guswandi, D., Yanto, M., Hafizh, M., & Mayola, L. (2021). Analisis Hybrid Decision Support System dalam Penentuan Status Kelulusan Mahasiswa. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(6), 1127–1136. https://doi.org/10.29207/resti.v5i6.3587

Han, J., Kamber, M., Pei, J. (2012). Data mining: Data mining concepts and techniques 3rd Edition. USA: Morgan Kaufmann Publisher

Harianto, H., Sunyoto, A., & Sudarmawan, S. (2020). Optimasi Algoritma Naïve Bayes Classifier untuk Mendeteksi Anomaly dengan Univariate Fitur Selection. Edumatic: Jurnal Pendidikan Informatika, 4(2), 40–49. https://doi.org/10.29408/edumatic.v4i2.2433

Heryana, D. (2019). Data Mining Untuk Memprediksi Kelulusan Mahasiswa Pendidikan Matematika UIN Raden Intan Lampung Menggunakan Naive Bayes. [Skripsi. UIN Raden Intan Lampung]. Repository. http://repository.radenintan.ac.id/6430/1/Skripsi%20Full.pdf

Hurwitz, J., Kirsch, D., (2018). Machine Learning for Dummies, IBM Limited Edition. New Jersey: Jhon Wiley &Sons, Inc.

Jain, K. (2019). Machine Learning Simolified. India: Analytics Vidhya Educon Private Limited.

Javatpoint. (2021). Naive Bayes Classifier in Machine Learning. accessed on November, 28, 2021 from website: https://www.javatpoint.com/machine-learning-naive-bayes-classifier

Joseph, S. K. (2019). Machine Learning with Python. India. Tutorials Point (I) Pvt. Ltd., 1–13. https://store.tutorialspoint.com

Kbbi.web.id. (2022). Lulus. Diakses pada 11 Januari 2022 dari website: https://kbbi.web.id/lulus

Khoirunnisa, K., Susanti, L., Rokhmah, I. T., & Stianingsih, L. (2021). Prediksi Siswa Smk Al-Hidayah Yang Masuk Perguruan Tinggi Dengan Metode Klasifikasi. Jurnal Informatika, 8(1), 26–33. https://doi.org/10.31294/ji.v8i1.9163

Nurdiawan, O., & Salim, N. (2018). Penerapan Data Mining Pada Penjualan Barang Menggunakan Metode Metode Naive Bayes Classifier Untuk Optimasi Strategi Pemasaran. Jurnal Teknologi Informasi dan Komunikasi, 13(1), 84-95.

Pramadhana, D. (2021). Klasifikasi Penyakit Diabetes Menggunakan Metode CFS dan ROS dengan Algoritma J48 Berbasis Adaboost. Edumatic: Jurnal Pendidikan Informatika, 5(1), 89–98. https://doi.org/10.29408/edumatic.v5i1.3336

Pratama, R. R. (2020). Analisis Model Machine Learning Terhadap Pengenalan Aktifitas Manusia. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 19(2), 302–311. https://doi.org/10.30812/matrik.v19i2.688

Prakoso, B. S., Rosiyadi, D., Utama, H. S., & Aridarma, D. (2019). Klasifikasi Berita Menggunakan Algoritma Naive Bayes Classifer Dengan Seleksi Fitur Dan Boosting. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 3(2), 227-232. https://doi.org/10.29207/resti.v3i2.1042

Putra, A. S. (2018). Klasifikasi Status Gizi Balita Menggunakan Naive Bayes Classification (Studi Kasus Posyandu Ngudi Luhur). [Skripsi, Universitas Sanata DharmaYogyakarta] Repository. https://repository.usd.ac.id/18332/2/135314092_full.pdf

Rahayu, T. M., Ningsi, B. A., Isnurani, I., & Arofah, I. (2021). Klasifikasi Ketepatan Waktu Kelulusan Mahasiswa dengan Metode Naïve Bayes. MEDIA BINA ILMIAH, 15(8), 4993–5000.

Ramadhani, N. D. Analisis kinerja algoritma naïve bayes classifier dengan seleksi fitur chi-square dan confix stripping stemmer pada sistem klasifikasi terjemahan hadits. [thesis, Universitas Islam Negeri Syarif Hidayatullah Jakarta]. Repository. https://repository.uinjkt.ac.id/dspace/handle/123456789/48360

Reni, Widodo, & Adhi, B. P. (2020). Sistem Pendukung Keputusan untuk Memprediksi Kelulusan Mahasiswa pada Program Studi Pendidikan Teknik Informatika dan Komputer dengan Menggunakan Algoritma Naïve Bayes. PINTER: Jurnal Pendidikan Teknik Informatika Dan Komputer, 4(1), 26–29. https://doi.org/10.21009/pinter.4.1.6

Sari, V., Firdausi, F., & Azhar, Y. (2020). Perbandingan Prediksi Kualitas Kopi Arabika dengan Menggunakan Algoritma SGD, Random Forest dan Naive Bayes. Edumatic: Jurnal Pendidikan Informatika, 4(2), 1–9. https://doi.org/10.29408/edumatic.v4i2.2202

Sidiq, R. P., Dermawan, B. A., & Umaidah, Y. (2020). Sentimen Analisis Komentar Toxic pada Grup Facebook Game Online Menggunakan Klasifikasi Naïve Bayes. Jurnal Informatika Universitas Pamulang, 5(3), 356–363. https://doi.org/10.32493/informatika.v5i3.6571

Stackoverflow. (2021). Decision tree vs. Naive Bayes classifier accessed on December, 9, 2021 from website: https://stackoverflow.com/questions/10317885/decision-tree-vs-naive-bayes-classifier

Syarli, S., & Muin, A. (2016). Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi). Jurnal Ilmiah Ilmu Komputer, 2(1), 22–26. https://fikom-unasman.ac.id/ejournal/index.php/jikom/article/view/76

Tuhenay, D. (2021). Perbandingan Klasifikasi Bahasa Menggunakan Metode Naïve Bayes Classifier (NBC) Dan Support Vector Machine (SVM). JIKO (Jurnal Informatika dan Komputer), 4(2), 105-111. https://doi.org/10.33387/jiko.v4i2.2958

Wahyudi, I., Bahri, S., & Handayani, P. (2019). Aplikasi Pembelajaran Pengenalan Budaya Indonesia. Jurnal Teknik Komputer, 5(1), 71-76. https://ejournal.bsi.ac.id/ejurnal/index.php/jtk/article/view/4470

Yunianto, M., Soeparmi, S., Cari, C., Anwar, F., Septianingsih, D. N., Ardyanto, T. D., & Pradana, R. F. Klasifikasi Kanker Paru Paru menggunakan Naïve Bayes dengan Variasi Filter dan Ekstraksi Ciri GLCM. INDONESIAN JOURNAL OF APPLIED PHYSICS, 11(2), 256-268. https://doi.org/10.13057/ijap.v11i2.53213

Zed, A., & Muhammad, A. L. I. (2018). Penerapan Metode Naive Bayes untuk Prediksi Menentukan Karyawan Tetap Pada PT. YSP Industries Indonesia. [Skripsi, Sekolah Tinggi Teknologi Pelita Bangsa Bekasi]. https://ecampus.pelitabangsa.ac.id/pb/AmbilLampiran?ref=22968&jurusan=&jenis=Item&usingId=false&download=false&clazz=ais.database.model.file.LampiranLain

Zulfiqar, L. O. M., Renaningtias, N., & Fathoni, M. Y. (2020). Educational Data Mining in Graduation Rate and Grade Predictions Utilizing Hybrid Decision Tree and Naïve Bayes Classifier. Proceedings of the International Conferences on Information System and Technology 2019, 151–157. Yogyakarta: SCITEPRESS. https://doi.org/10.5220/0009907101510157

Downloads

Published

2022-06-19