Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Progresif: Jurnal Ilmiah Komputer
Putu Sainanda Cahyani Moonallika
STMIK Primakara
Computer Science & IT Control & Systems Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Data Mining Untuk Memprediksi Kelulusan Mahasiswa Menggunakan Algoritma Naive Bayes Classifier (Studi Kasus STMIK Primakara) Putu Sainanda Cahyani Moonallika; Ketut Queena Fredlina; I.B. Kresna Sudiatmika
Progresif: Jurnal Ilmiah Komputer Vol 16, No 1: Februari 2020
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (588.655 KB) | DOI: 10.35889/progresif.v16i1.427

Abstract

ABSTRAK.  Tingkat ketepatan kelulusan mahasiswa merupakan salah satu indikator penting untuk menilai kualitas mahasiswa maupun perguruan tinggi. Prediksi ketepatan waktu lulus mahasiswa diharapkan dapat membantu pihak manajemen perguruan tinggi untuk menjaga kestabilan tingkat kelulusan mahasiswa, agar kualitas lulusan dapat terus dikelndalikan dengan baik. Artikel ini menyajikan penggunaan metode naive bayes classifier untuk memprediksi kelulusan mahasiswa. Pengujian akurasi sistem dilakukan dengan mencocokkan hasil prediksi dengan data yang sesungguhnya dengan metode pengujian confusion matrix. Hasil uji menunjukkan recall sebesar 80%, accuracy sebesar 80% dan precision sebesar 80%. Kata Kunci: Data Mining, Naive Bayes Classifier, Prediksi Kelulusan Mahasiswa   ABSTRACT.  The level of accuracy of student graduation is one important indicator to assess the quality of students and universities. The predicted timeliness of graduating students is expected to help the management of higher education to maintain a stable level of student graduation, so that the quality of graduates can continue to be controlled well. This article presents the use of the Naive Bayes classifier method to predict student graduation. System accuracy testing is done by matching the results of predictions with actual data with the confusion matrix testing method. The test results showed a recall of 80%, an accuracy of 80% and a precision of 80%. Keywords: Data Mining, Naive Bayes Classifier, Student Graduation Prediction   
Co-Authors I.B. Kresna Sudiatmika Ketut Queena Fredlina