<![CDATA[Fakultas Ilmu Komputer Universitas Tomakaka memiliki dua program studi, yaitu Sistem Informasi dan Teknik Informatika. Namun, dalam praktiknya, calon mahasiswa baru sering mengalami kebingungan dalam menentukan jurusan yang sesuai dengan kemampuan dan latar belakang akademiknya. Pemilihan program studi umumnya didasarkan pada tren jurusan favorit, dorongan eksternal, atau preferensi sosial tanpa mempertimbangkan jurusan asal di sekolah sebelumnya. Kondisi tersebut berpotensi menimbulkan ketidaksesuaian minat yang berdampak pada risiko penurunan motivasi belajar, pindah jurusan, berhenti kuliah, atau mengalami hambatan selama masa studi. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi program studi menggunakan metode klasifikasi Naïve Bayes guna memprediksi kecenderungan peminatan program studi berdasarkan atribut input seperti jenis kelamin, asal sekolah, dan jurusan asal sekolah. Dataset yang digunakan merupakan data historis penerimaan mahasiswa baru Fakultas Ilmu Komputer Universitas Tomakaka sejak tahun akademik 2015/2016 hingga 2024/2025, sebanyak 1.046 entri data. Proses analisis mencakup tahapan data mining, mulai dari seleksi dan pembersihan data, pembagian data latih dan data uji (80:20), hingga evaluasi performa menggunakan metode Confusion Matrix. Hasil evaluasi menunjukkan akurasi sebesar 87,14%, presisi 89,91%, recall 87,70%, dan F1-score 88,76%. Model ini diimplementasikan ke dalam aplikasi berbasis website menggunakan framework Flask, guna mempermudah pemberian rekomendasi jurusan secara real-time. Pendekatan ini memberikan kontribusi sistem rekomendasi berbasis data yang membantu institusi dalam memetakan minat mahasiswa, menyusun strategi promosi yang tepat sasaran, serta memberikan intervensi awal terhadap pilihan program studi mahasiswa baru yang kurang sesuai.]]>
Copyrights © 2025
