<![CDATA[Kelulusan tepat waktu di perguruan tinggi merupakan indikator penting yang mencerminkan pencapaian akademik mahasiswa serta efektivitas penyelenggaraan proses pendidikan oleh institusi. Dalam konteks ini, kemampuan untuk memprediksi kelulusan mahasiswa secara akurat menjadi hal yang strategis dalam menunjang perencanaan akademik dan intervensi dini terhadap potensi keterlambatan studi. Penelitian ini mengkaji penerapan algoritma Naive Bayes untuk memprediksi kelulusan mahasiswa dengan memanfaatkan data akademik seperti Indeks Prestasi Kumulatif (IPK), tingkat kehadiran, dan Indeks Prestasi Semester (IPS). Algoritma Naive Bayes dipilih karena efisiensinya dalam proses komputasi, kemampuan generalisasi terhadap data berskala besar, serta kemudahan dalam implementasi. Namun, kelemahan utama dari pendekatan ini adalah asumsi independensi antar variabel yang seringkali tidak terpenuhi dalam konteks pendidikan. Melalui tinjauan pustaka sistematis terhadap berbagai studi relevan dalam lima tahun terakhir, penelitian ini menemukan bahwa Naive Bayes mampu mencapai tingkat akurasi prediksi antara 80% hingga 88% saat diterapkan pada data akademik mahasiswa. Hasil ini menunjukkan bahwa Naive Bayes memiliki potensi sebagai alat bantu dalam pengambilan keputusan akademik, khususnya dalam sistem deteksi dini mahasiswa berisiko. Penelitian ini juga mengidentifikasi beberapa celah yang masih perlu dikembangkan lebih lanjut, seperti keterbatasan dalam mempertimbangkan faktor-faktor non-akademik (misalnya kondisi psikologis, sosial ekonomi, dan motivasi belajar), serta keterbatasan integrasi dengan data real-time dari sistem informasi akademik.]]>
Copyrights © 2025
