<![CDATA[Prediksi kelulusan mahasiswa menjadi kebutuhan penting dalam lingkungan perguruan tinggi untuk mendukung peningkatan kualitas akademik, efektivitas pembimbingan, dan strategi pencegahan ketidaklulusan. Penelitian ini bertujuan untuk menganalisis kinerja algoritma Naive Bayes dalam memprediksi kelulusan mahasiswa berbasis data akademik dan non-akademik dengan memanfaatkan bahasa pemrograman Python. Algoritma Naive Bayes dipilih karena memiliki karakteristik komputasi sederhana, efisien, serta mampu menangani data berukuran besar dengan performa klasifikasi yang kompetitif. Penelitian dilakukan menggunakan dataset mahasiswa yang mencakup variabel seperti indeks prestasi, jumlah SKS, tingkat kehadiran, dan status kelulusan. Proses pengolahan data terdiri atas pembersihan data, penyandian data kategorikal, pembagian dataset menjadi data latih dan data uji, serta pelatihan model Naive Bayes. Evaluasi model dilakukan menggunakan Confusion Matrix, Accuracy, Precision, Recall, dan F1-Score untuk memberikan gambaran performa klasifikasi secara komprehensif. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu melakukan prediksi kelulusan mahasiswa dengan akurasi tinggi, yaitu 85%, serta nilai Precision, Recall, dan F1-Score yang konsisten, sehingga menegaskan keandalan model dalam mengidentifikasi mahasiswa yang lulus maupun tidak lulus. Temuan ini memperkuat potensi algoritma Naive Bayes sebagai sistem pendukung keputusan di perguruan tinggi untuk memetakan risiko ketidaklulusan sejak dini.. Kata kunci:]]>
Copyrights © 2025
