Article Per Year (5 Year)
p-Index From 2020 - 2025
1.642
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) CogITo Smart Journal International Journal of Engineering, Technology and Natural Sciences (IJETS) Bulletin of Computer Science Research International Journal of Research and Applied Technology (INJURATECH) Innovative: Journal Of Social Science Research Jurnal Pelita Pengabdian
Anggi Muhammad Rifa'i
Program Studi Teknik Informatika, Fakultas Teknik, Universitas Pelita Bangsa
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Astronomy Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Public Health Other

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Innovative: Journal Of Social Science Research

 1 
Analisa Klasifikasi Tingkat Kelulusan Mahasiswa Metode Algoritma Naïve Bayes Menggunakan Rapidminer Firmansyah, Agung; Muhammad Fatchan; Rifa’i, Anggi Muhammad
Innovative: Journal Of Social Science Research Vol. 4 No. 6 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i6.16965

Abstract

Perkembangan teknologi informasi menghasilkan data besar dari berbagai bidang, termasuk pendidikan. Data mining membantu menemukan pola dalam dataset agar lebih bermanfaat. Di perguruan tinggi, kelulusan tepat waktu menjadi indikator kinerja, tetapi banyak mahasiswa terlambat lulus karena faktor seperti keuangan, pekerjaan, dan kurangnya tanggung jawab. Penelitian ini menggunakan Naive Bayes Classifier untuk memprediksi kelulusan mahasiswa dan merekomendasikan langkah yang diperlukan. Analisis dengan perhitungan manual, Microsoft Excel, dan RapidMiner menunjukkan akurasi 93,33%, precision 100%, dan recall 66,67%, membuktikan metode ini efektif untuk klasifikasi data tingkat kelulusan.
Co-Authors Abdul Ghofir Agung Firmansyah Ahmad Turmudi Zy Arwan, Asep Butsianto, Sufajar Candra Naya Darmasetiawan, Martin Dodit Ardiatma Effendi, Muhammad Makmun Elfandry Bayunanda Fahma Inti Ilmawati Isarianto Kusrini Kusrini M. Ilham Arief Mohammad Rezza Pahlevi Muhamad Ryandy Ghonim Asgar Muhammad Fatchan Muhammad Salimy Ahsan Muhammad Salimy Ahsan Nanang Tedi Kurniadi Nugroho, Agung Pradini, Purnama Sakhrial Rajnaparamitha Kusumastuti Risna Sari Sari, Risna Viyan Qomarudin Noor