APLIKASI PREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER (NBC) STUDI KASUS : DI STMIK YADIKA BANGIL

Abstract

Tingkat kelulusan dianggap sebagai salah satu parameter efektivitas lembaga pendidikan. Jumlah siswa yang lulus tepat waktu menjadi indikator efektivitas perguruan tinggi baik negeri maupun swasta. Kelulusan yang tepat waktu merupakan masalah penting yang perlu ditangani secara bijak oleh lembaga pendidikan, karena penurunan angka kelulusan akan mempengaruhi akreditasi perguruan tinggi, sehingga dibutuhkan solusi untuk dapat meningkatkan masalah kelulusan tepat waktu. Penambangan data adalah proses melakukan analisis untuk mencari informasi dalam basis data. Algoritma yang digunakan untuk klasifikasi kelulusan adalah algoritma Naïve Bayes Classifier (NBC). The Naïve Bayes Classifier (NBC) adalah teknik prediksi berbasis probabilistik sederhana berdasarkan penerapan teorema bayes atau aturan dengan asumsi independensi yang kuat pada fitur, yang berarti bahwa fitur pada data Tidak terkait dengan ada atau tidak adanya fitur lain dalam data yang sama. Dalam tugas akhir ini, algoritma Naïve Bayes Classifier (NBC) digunakan untuk memprediksi masa studi siswa dengan kelulusan tepat waktu dari hasil yang diperoleh dan sistem hanya sebagai pembantu siswa untuk memecahkan masalah dalam menentukan prediksi masa studi mahasiswa Teknik Informatika STMIK Yadika Bangil. Dari algoritma yang dipilih dapat menampilkan NIM, Nama siswa, IPK, Grade, didukung oleh ilmu probabilitas dan ilmu statis dalam penggunaan data pelatihan sebagai pendukung keputusan klasifikasi.

Kata kunci: Tingkat Kelulusan Diprediksi, Data Mining, Naïve Bayes Classifier.