<![CDATA[Penelitian ini bertujuan untuk mengelompokkan mahasiswa berdasarkan data akademik menggunakan algoritma K-Means Clustering guna mengevaluasi kinerja mahasiswa, mengidentifikasi variabel-variabel penting yang memengaruhi prediksi kelulusan dengan algoritma Naive Bayes, serta mengukur akurasi model prediksi kelulusan dengan mempertimbangkan hasil segmentasi sebagai fitur tambahan dalam klasifikasi. Latar belakang penelitian didasari oleh pentingnya Latar belakang penelitian ini didasari oleh pentingnya tingkat kelulusan tepat waktu sebagai indikator keberhasilan institusi pendidikan tinggi, yang mencerminkan efektivitas proses pembelajaran dan kesiapan lulusan menghadapi dunia kerja. Penelitian ini menggunakan jenis penelitian eksperimental. Sampel penelitian adalah data mahasiswa yang sudah lulus dalam rentang tahun 2020-2024 yang berjumlah 1.000 data. Teknik analisis data meliputi penerapan algoritma K-Means untuk mengelompokkan mahasiswa berdasarkan data numerik, penentuan jumlah cluster optimal dengan metode Elbow, serta penggunaan algoritma Naive Bayes untuk mengidentifikasi variabel penting dan memprediksi kelulusan mahasiswa. Evaluasi akurasi dilakukan menggunakan Cross validation dan confusion matrix. Hasil Akhir penelitian ini adalah interpretasi dan penarikan kesimpulan dari seluruh proses analisis. Setiap hasil dari tahapan K-Means, dan prediksi dianalisis secara menyeluruh dan saling dikaitkan untuk memberikan gambaran utuh mengenai karakteristik mahasiswa, faktor-faktor utama dalam kelulusan, serta performa sistem prediksi yang dibangun.]]>
