AVIRA, BUDIANITA (2016) PEMODELAN DATA MINING UNTUK PREDIKSI KELULUSAN MAHASISWA DENGAN METODE NAIVE BAYES CLASSIFIER. Skripsi,Fakultas Ilmu Komputer.
Abstract
Salah satu permasalahan yang dihadapi institusi perguruan tinggi adalah tidak tepatnya waktu kelulusan mahasiswa. Setiap tahunnya, jumlah mahasiswa yang mendaftar tidak sebanding dengan jumlah lulusannya. Hal tersebut yang menjadi tugas program studi dalam memantau akademik mahasiswanya. Program studi perlu memiliki acuan untuk mengantisipasi mahasiswa yang berpotensi tidak lulus tepat waktu. Dewasa ini, banyak sekali metode untuk menyelesaikan berbagai permasalahan teknologi informasi salah satunya dengan data mining. Data mining dapat mengatasi permasalahan pengolahan data dalam jumlah yang besar. Salah satu teknik dalam data mining yang dapat digunakan untuk memprediksi waktu kelulusan adalah klasifikasi dan salah satu algoritma klasifikasi adalah Naive Bayes Classifier. Penelitian ini menggunakan algoritma Naive Bayes Classifier dalam memprediksi waktu kelulusan mahasiswa. Hasil pengolahan data training dengan atribut jalur pendaftaran, asal sekolah, asal kota, dan Indeks Prestasi semester 1 (satu) sampai 4 (empat) pada RapidMiner dengan menerapkan algoritma Naive Bayes Classifier menunjukkan nilai akurasi sebesar 82.32% yang termasuk dalam kategori good classification. Pengolahan tersebut akan membentuk sebuah pola yang akan digunakan dalam proses prediksi. Pola yang dihasilkan akan diterjemahkan ke dalam bentuk yang mudah dipahami dan diproses menggunakan aplikasi Matlab. Prototype aplikasi data mining dapat digunakan oleh ketua program studi untuk memprediksi waktu kelulusan mahasiswa dengan lebih mudah.
Actions (login required)
![[img]](http://eprints.dinus.ac.id/style/images/fileicons/application_pdf.png)
