METODE NAÏVE BAYES CLASSIFIER (NBC) UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA TEPAT WAKTU

Abstract

Abstrak

Untuk membantu menjaga kualitas penyelenggaraan program studi dalam hal ini adalah layanan akademik, maka penyeimbangan ratio antara penerimaan mahasiswa yang masuk dengan sarana dan prasana merupakan salah satu upaya yang perlu di lakukan oleh perguruan tinggi caranya adalah dengan memprediksi jumlah tingkat kelulusan mahasiswa yang tepat waktu, dengan mengetahui hal tersebut maka pimpinan dapat menetapkan ratio penerimaan mahasiswa baru pada tahun berikutnya berdasarkan data prediksi yang di dapat. Penelitian ini bertujuan untuk menganalisis data akademik yaitu dengan melakukan klasifikasi data kelulusan mahasiswa sebelumnya dan menggunakan pola yang terbentuk untuk memprediksi besaran persentase tingkat kelulusan mahasiswa serta mencari parameter apa saja yang mempengaruhi tingkat kelulusan. Metode yang digunakan adalah teknik klasifikasi data mining dengan Naïve Bayes Classifier (NBC). Hasil penelitian ini adalah jumlah rata – rata persentase keseluruhan kelulusan mahasiswa tepat waktu yaitu sebesar 73.44% kelulusan dan parameter yang mempengaruhi kelulusan mahasiswa tepat waktu adalah IPK, IPS4, IPS3, IPS2. Hasil penelitian dapat dijadikan landasan bagi pimpinan untuk menentukan ratio penerimaan mahasiswa baru pada tahun berikutnya, dan sebagai bahan evaluasi dalam membantu mahasiswa untuk lulus tepat waktu.

Kata kunci: Naïve Bayes Classifier (NBC); Data Mining.

Abstract

To help maintain the quality of the implementation of the study program in this case is academic services, then balancing the ratio between admission of students with facilities and infrastructures is one of the efforts that need to be done by university by means of predicting the number of student graduation rates on time, with knowing this, the leadership can determine the ratio of new student admissions in the following year based on the prediction data obtained. This study aims to analyze academic data by classifying the graduation data of previous students and using patterns that are formed to predict the percentage of student graduation rates and to find out what parameters affect graduation rates. The method used is the classification of data mining techniques with Naïve Bayes Classifier (NBC). The results of this study are the average number of percentages of overall students graduation on time that is equal to 73.44% graduation and the parameters that affect students' graduation on time are IPK, IPS4, IPS3, IPS2. The results of the study can be used as a basis for leaders to determine the ratio of new student admissions in the following year, and as an evaluation material in helping students to graduate on time.

Keywords: Naïve Bayes Classifier (NBC); Data Mining.