Article Per Year (5 Year)
p-Index From 2020 - 2025
3.108
P-Index
This Author published in this journals
All Journal PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Jurnal Teknik Komputer AMIK BSI JITK (Jurnal Ilmu Pengetahuan dan Komputer) JUTIM (Jurnal Teknik Informatika Musirawas) Jurnal Informatika dan Rekayasa Elektronik Specta Journal of Technology Infotek : Jurnal Informatika dan Teknologi International Journal of Social and Management Studies (IJOSMAS) SPEED - Sentra Penelitian Engineering dan Edukasi Paradigma International Journal of Accounting, Management, Economics and Social Sciences (IJAMESC)
Rohimah, Luthfia
Universitas Bina Sarana Informatika
Religion Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Social Sciences Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Informatika dan Rekayasa Elektronik

 1 
PREDIKSI STATUS AKADEMIK MAHASISWA BERDASARKAN DATA PEMBAYARAN DENGAN NAIVE BAYES DAN PARTICLE SWARM OPTIMIZATION Rukiastiandari, Sinta; Rohimah, Luthfia; Mutia, Fara; Aprillia; Chodidjah, Chodidjah
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 2 (2025): JIRE November 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i2.1756

Abstract

Pendidikan tinggi di Indonesia menghadapi tantangan dalam pengelolaan pembayaran mahasiswa, di mana keterlambatan dapat berdampak pada status akademik, termasuk risiko cuti atau pengunduran diri. Penelitian ini bertujuan mengembangkan model prediksi status akademik berbasis data pembayaran kuliah dengan metode Naive Bayes (NB) yang dioptimasi menggunakan Particle Swarm Optimization (PSO). Dataset berjumlah 15.697 record mahasiswa yang telah melalui pra-pemrosesan, termasuk penanganan nilai hilang dan pengkodean atribut kategorikal. Hasil menunjukkan bahwa model NB menghasilkan akurasi 98,83%, precision 98,21%, recall 65,09%, dan AUC 0,905. Optimasi dengan PSO meningkatkan recall menjadi 65,13% dan AUC menjadi 0,907, sementara akurasi dan precision tetap stabil. Analisis fitur mengindikasikan bahwa Jenis Kelamin, Jurusan SLTA, dan Kuliah Sambil Bekerja merupakan atribut paling berpengaruh, sedangkan Pekerjaan Ayah relatif kurang signifikan. Temuan ini menegaskan potensi NB-PSO sebagai pendekatan prediktif untuk mendukung pengelolaan administrasi akademik yang lebih efektif.
Co-Authors - UBSI, Aprillia Aan Rahman Adjat Sudradjat Amelia, Silvy Andi Martias Aprillia Aprillia aprillia Aprillia, Aprillia Chodidjah Chodidjah Dede Suleman Dewi Yuliandari Etik Dwi Styaningrum Fara Mutia Fendi Saputra Hari Sugiarto - UBSI Helmy Ivan Taruna Juarni Siregar Juarni Siregar Lilik Yuliawati Mety Titin Herawaty Muhammad Rizki Pradana Mutia, Fara Refindo Pradikta Rulando Rikiwanto sinaga Sartini Sartini Silvy amelia Sinta Rukiastiandari Sugiyah Sugiyah Suhardjono S Supriatin Supriatin Yana Iqbal Maulana Yoraeni, Ani