<![CDATA[ABSTRAKKelulusan tepat waktu merupakan salah satu aspek penting dalam penilaian kualitas perguruan tinggi saat ini. Prediksi lama studi mahasiswa dirancang untuk mendukung prodi dalam membimbing mahasiswa agar lulus tepat pada waktunya. Pada penelitian ini mencoba menerapkan teknik klasifikasi pada data mining untuk memecahkan permasalahan prediksi lama studi tersebut. Metode klasifikasi yang digunakan dalam penelitian ini adalah komparasi antara Naïve Bayes, J48, dan Random Forest. Data sampel diperoleh dari sistem SINAK STIKOM Bali, terdiri dari 1580 data lulusan dan 41 matakuliah yang digunakan sebagai atribut. Uji coba dilakukan dengan menggunakan aplikasi WEKA dengan 10 folds cross-validation. Berdasarkan hasil uji coba menunjukkan algoritma Random Forest menghasilkan akurasi terbesar yaitu 77.99% dan paling rendah diperoleh dengan algoritma Naive Bayes yaitu 69.96%.Kata kunci: data mining, prediksi, klasifikasi kelulusan]]>
Copyrights © 2021
