Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JR : Jurnal Responsive Teknik Informatika Jurnal Responsive Teknik Informatika
Afriantoni, Romiko
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

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

Found 2 Documents
Search

 1 
Prediksi Kelulusan Mahasiswa Menggunakan Algoritma Naive Bayes: Studi Kasus Universitas Ibnu Sina Batam Perdana, Willy Rizki; Afriantoni, Romiko; Agustini, Sherly; Saro, David; Y, Aprizal
Jurnal Responsive Teknik Informatika Vol 8 No 02 (2024): JR : Jurnal Responsive Teknik Informatika
Publisher : LPPM Universitas Ibnu Sina Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36352/jr.v8i02.1438

Abstract

Tingkat kelulusan mahasiswa merupakan indikator penting kualitas pendidikan tinggi. Penelitian ini bertujuan mengembangkan model prediksi kelulusan mahasiswa menggunakan algoritma Naive Bayes dengan memanfaatkan data akademik, sosial-demografis, dan ekonomi mahasiswa di Universitas Ibnu Sina Batam. Dataset mencakup 1.247 rekaman data mahasiswa Program Studi Teknik Informatika dan Sistem Informasi angkatan 2017–2021. Metode validasi menggunakan stratified 10-fold cross-validation. Hasil menunjukkan akurasi 89,74%, presisi 88,31%, recall 91,05%, dan F1-Score 89,66%. Perbandingan dengan Decision Tree dan SVM menunjukkan Naive Bayes unggul dalam efisiensi komputasi. IPK semester 1–4 dan tingkat kehadiran terbukti sebagai prediktor paling signifikan.
Prediksi Kelulusan Mahasiswa Menggunakan Algoritma Naive Bayes: Studi Kasus Universitas Ibnu Sina Batam Perdana, Willy Rizki; Afriantoni, Romiko; Agustini, Sherly; Saro, David; Y, Aprizal
Jurnal Responsive Teknik Informatika Vol 8 No 02 (2024): JR : Jurnal Responsive Teknik Informatika
Publisher : LPPM Universitas Ibnu Sina Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36352/jr.v8i02.1438

Abstract

Tingkat kelulusan mahasiswa merupakan indikator penting kualitas pendidikan tinggi. Penelitian ini bertujuan mengembangkan model prediksi kelulusan mahasiswa menggunakan algoritma Naive Bayes dengan memanfaatkan data akademik, sosial-demografis, dan ekonomi mahasiswa di Universitas Ibnu Sina Batam. Dataset mencakup 1.247 rekaman data mahasiswa Program Studi Teknik Informatika dan Sistem Informasi angkatan 2017–2021. Metode validasi menggunakan stratified 10-fold cross-validation. Hasil menunjukkan akurasi 89,74%, presisi 88,31%, recall 91,05%, dan F1-Score 89,66%. Perbandingan dengan Decision Tree dan SVM menunjukkan Naive Bayes unggul dalam efisiensi komputasi. IPK semester 1–4 dan tingkat kehadiran terbukti sebagai prediktor paling signifikan.
Co-Authors Agustini, Sherly Perdana, Willy Rizki Saro, David Y, Aprizal