Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Cakrawala Informasi (JCI)
Sri Hartati
Informatika, Fakultas Ilmu Komputer, Universitas Bramada Slawi
Computer Science & IT Decision Sciences, Operations Research & Management Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Algoritma Naive Bayes untuk Prediksi Kelulusan Mahasiswa Sri Hartati; Haries Anom SAN
Jurnal Cakrawala Informasi Vol 2 No 2 (2022): Desember: Jurnal Cakrawala Informasi
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) - Institut Teknologi dan Bisnis Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1158.699 KB) | DOI: 10.54066/jci.v2i2.234

Abstract

Kelulusan merupakan sesuatu yang sangat dinantikan oleh peserta didik. Hal tersebut sangat wajar karena tujuan akhir dari pembelajaran adalah lulus. Salah satu penilaian pada saat akreditasi adalah kelulusan mahasiswa. Semakin banyak jumlah mahasiswa yang lulus tepat waktu, semakin bagus nilainya. Untuk mengetahui jumlah mahasiswa yang lulus tepat waktu dapat meggunakan suatu teknik agar mendapatkan hasil yang tepat dan akurat. Teknik yang peneliti gunakan adalah data mining, yaitu suatu teknik untuk mengekstrak ilmu pengetahuan. Macam teknik data mining ada beberapa, diantaranya klasifikasi, clustering, dan prediksi. Peneliti menggunakan teknik prediksi Naive Bayes, untuk menyelesaikan permasalahan. Naive Bayes merupakan algoritma yang bersifat klasikal, sederhana, dan independen. Faktor kelulusan tepat waktu dipengaruhi oleh beberapa faktor seperti motivasi dari mahasiswa itu sendiri, faktor biaya, faktor pelaksanaan pembelajaran di kampus, status mahasiswa regular pagi atau malam. Klasifikasi, clustering, dan prediksi. Peneliti menggunakan teknik prediksi Naive Bayes, untuk menyelesaikan permasalahan. Naive Bayes merupakan algoritma yang bersifat klasikal, sederhana dan, independen. Faktor kelulusan tepat waktu dipengaruhi oleh beberapa faktor seperti motivasi dari mahasiswa itu sendiri, faktor biaya, faktor pelaksanaan pembelajaran di kampus, status mahasiswa regular pagi atau malam.
Algoritma Naive Bayes untuk Prediksi Kelulusan Mahasiswa Sri Hartati; Haries Anom SAN
Jurnal Cakrawala Informasi Vol 2 No 2 (2022): Desember: Jurnal Cakrawala Informasi
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) - Institut Teknologi dan Bisnis Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54066/jci.v2i2.234

Abstract

Kelulusan merupakan sesuatu yang sangat dinantikan oleh peserta didik. Hal tersebut sangat wajar karena tujuan akhir dari pembelajaran adalah lulus. Salah satu penilaian pada saat akreditasi adalah kelulusan mahasiswa. Semakin banyak jumlah mahasiswa yang lulus tepat waktu, semakin bagus nilainya. Untuk mengetahui jumlah mahasiswa yang lulus tepat waktu dapat meggunakan suatu teknik agar mendapatkan hasil yang tepat dan akurat. Teknik yang peneliti gunakan adalah data mining, yaitu suatu teknik untuk mengekstrak ilmu pengetahuan. Macam teknik data mining ada beberapa, diantaranya klasifikasi, clustering, dan prediksi. Peneliti menggunakan teknik prediksi Naive Bayes, untuk menyelesaikan permasalahan. Naive Bayes merupakan algoritma yang bersifat klasikal, sederhana, dan independen. Faktor kelulusan tepat waktu dipengaruhi oleh beberapa faktor seperti motivasi dari mahasiswa itu sendiri, faktor biaya, faktor pelaksanaan pembelajaran di kampus, status mahasiswa regular pagi atau malam. Klasifikasi, clustering, dan prediksi. Peneliti menggunakan teknik prediksi Naive Bayes, untuk menyelesaikan permasalahan. Naive Bayes merupakan algoritma yang bersifat klasikal, sederhana dan, independen. Faktor kelulusan tepat waktu dipengaruhi oleh beberapa faktor seperti motivasi dari mahasiswa itu sendiri, faktor biaya, faktor pelaksanaan pembelajaran di kampus, status mahasiswa regular pagi atau malam.
Co-Authors Haries Anom SAN