Claim Missing Document
Check
Articles

Found 1 Documents
Search

Prediksi Kelulusan Mahasiswa Pendidikan Informatika Universitas Ivet Semarang menggunakan Data Mining Metode Naive Bayes Rousyana Ulya Dewi; Adi Nova Trisetiyanto; R. Irlanto Sudomo
Joined Journal (Journal of Informatics Education) Vol 7 No 2 (2024): Volume 7 Nomor 2 (2024)
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/joined.v7i2.3635

Abstract

Pendidikan menjadi suatu proses dimana seluruh kalangan dapat meningkatkan potensi serta pengetahuan nya. Pada masa sekarang, perguruan tinggi dituntut memiliki keunggulan bersaing dan kualitas yang tinggi dengan cara memanfaatkan sumber daya teknologi. Teknologi informasi yang semakin canggih saat ini dapat memperoleh data yang diinginkan. Universitas Ivet Semarang terdapat salah satu prodi, yaitu Pendidikan informatika. Penelitian ini bertujuan untuk mengetahui (1) Prediksi kelulusan mahasiswa pendidikan informatika Universitas Ivet Semarang dengan menggunakan hasil metode Naive Bayes, (2) Mendapatkan akurasi yang tepat dalam melakukan klasifikasi kelulusan pendidikan informatika Universitas Ivet Semarang dengan Data Mining menggunakan metode Naive Bayes. Jenis Penelitian adalah penelitian kuantitatif. Data Pendukung kuesioner menggunakan data-data yang sudah diperoleh peneliti dari BAAK Universitas Ivet. Penelitian ini bersifat study literature dengan mengkaji jurnal - jurnal dan buku - buku teks yang berkaitan dengan bidang yang diteliti. Adapun perhitungan yang digunakan untuk memprediksi kelulusan mahasiswa dengan data mining metode Naive Bayes berbantuan dengan RapidMiner Studio 10.3. Hasil penelitian menunjukkan bahwa, (1) pengujian menggunakan RapidMiner Studio 10.3 dengan data training sebanyak 54 data. Data testing sebanyak 39 mahasiswa. dan 15 mahasiswa sebagai data uji. didapatkan hasil bahwa mahasiswa yang akan lulus tepat waktu sebanyak 18 mahasiswa atau sekitar 33,3% dari jumlah data testing dan mahasiswa yang tidak tepat waktu sebanyak 36 mahasiswa atau sekitar 66,6%.(2) Implementasi dengan algoritma Naive Bayes berhasil memprediksi besarnya kelulusan mahasiswa dengan persentase keakuratan sebesar 92.59%. dan memperoleh Precision 85.00% dan Recall 94.44%.