Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JURNAL TEKNIK
Nur'aini, Aliya
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering

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

Found 1 Documents
Search

 1 
IMPLEMENTASI ALGORTIMA NAÏVE BAYES UNTUK PREDIKSI KELULUSAN MAHASISWA Permana, Angga Aditya; Taufiq, Rohmat; Destriana, Rachmat; Nur'aini, Aliya
Jurnal Teknik Vol 13, No 1 (2024): Januari - Juli 2024
Publisher : Universitas Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jt.v13i1.10996

Abstract

Pada tingkat perguruan tinggi, pencapaian kelulusan tepat waktu adalah indikator kunci dari keberhasilan mahasiswa. Namun, mengidentifikasi faktor-faktor yang berpotensi memengaruhi kelulusan mahasiswa merupakan tantangan yang kompleks. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem prediksi tingkat kelulusan mahasiswa dengan menggunakan metode Naïve Bayes. Langkah-langkah penelitian mencakup pengumpulan data dari dataset Kaggle, pembersihan data untuk menangani nilai yang hilang atau tidak relevan, transformasi data untuk mempersiapkannya untuk analisis, dan penerapan metode Naïve Bayes sebagai model prediktif. Variabel yang digunakan dalam analisis meliputi jenis kelamin, status mahasiswa, usia, nilai Indeks Prestasi Semester (IPS), nilai Indeks Prestasi Kumulatif (IPK), dan status kelulusan. Hasil eksperimen menunjukkan bahwa model prediksi mencapai akurasi sebesar 89%, dengan presisi sekitar 88% untuk kelas 0 dan 89% untuk kelas 1. Selain itu, recall mencapai sekitar 85% untuk kelas 0 dan 91% untuk kelas 1. Diharapkan hasil penelitian ini dapat memberikan kontribusi penting dalam meningkatkan efektivitas prediksi tingkat kelulusan mahasiswa, sehingga institusi pendidikan dapat mengambil tindakan preventif yang lebih tepat untuk mendukung keberhasilan akademis mahasiswa.
Co-Authors Angga Aditya Permana Destriana, Rachmat Rohmat Taufiq