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

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.