PREDIKSI KELULUSAN MAHASISWA DENGAN NAÏVE BAYES DAN FEATURE SELECTION INFORMATION GAIN

Main Article Content

Sri Hartati
Nur Ariesanto Ramdhan
Haries Anom SAN

Abstract

Kelulusan seorang mahasiswa dipengaruhi oleh banyak faktor, diantaranya kondisi ekonomi keluarga, nilai mahasiswa atau karena faktor lain yang berhubungan dengan tempat mahasiswa belajar. Kelulusan merupakan salah satu nilai penting pada saat proses akreditasi suatu perguruan tinggi. Oleh karena itu apabila mahasiswa banyak yang lulus tepat waktu akan mempengarui nilai akreditasinya. Permasalahan tersebut di atas harus segera diatasi dengan suatu metode. Data mining salah satu metode yang paling tepat untuk mengatasi maslah tersebut di atas. Suatu keilmuan yang mempelajari metode untuk mengekstrak pengetahuan atau menemukan pola dari suatu data yang besar. Permasalahan kelulusan tepat waktu merupakan hal yang prioritas pada suatu perguruan tinggi. Oleh karena itu peneliti mengusulkan untuk melakukan mengembangkan penelitian tentang Predkisi kelulusan tepat waktu yang semula hanya menggunakan metode naive bayes, peneliti menambahkan feature selection information gain sebagai  feature untuk menyeleksi atribut yang berbobot.

Article Details

How to Cite
Hartati, S., Ramdhan, N. A., & SAN, H. A. (2022). PREDIKSI KELULUSAN MAHASISWA DENGAN NAÏVE BAYES DAN FEATURE SELECTION INFORMATION GAIN . Jurnal Ilmiah Intech : Information Technology Journal of UMUS, 4(02), 223–234. https://doi.org/10.46772/intech.v4i02.889
Section
Articles

References

R. H. Syah, “Dampak Covid-19 pada Pendidikan di Indonesia: Sekolah, Keterampilan, dan Proses Pembelajaran,” SALAM J. Sos. dan Budaya Syar-i, vol. 7, no. 5, 2020, doi: 10.15408/sjsbs.v7i5.15314.

Y. Apridiansyah, N. D. M. Veronika, and E. D. Putra, “Prediksi Kelulusan Mahasiswa Fakultas Teknik Informatika Universitas Muhammadiyah Bengkulu Menggunakan Metode Naive Bayes,” JSAI (Journal Sci. Appl. Informatics), vol. 4, no. 2, pp. 236–247, 2021, doi: 10.36085/jsai.v4i2.1701.

L. Setiyani, M. Wahidin, D. Awaludin, and S. Purwani, “Analisis Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Data Mining Naïve Bayes : Systematic Review,” Fakt. Exacta, vol. 13, no. 1, p. 35, 2020, doi: 10.30998/faktorexacta.v13i1.5548.

E. Siswanto, “Optimasi Metode Naïve Bayes dalam Memprediksi Tingkat Kelulusan Mahasiswa Stekom Semarang,” JURIKOM (Jurnal Ris. Komputer), vol. 6, no. 1, pp. 1–6, 2019, [Online]. Available: https://ejurnal.stmik-budidarma.ac.id/index.php/jurikom/article/view/1038

J. Han, M. Kamber, and J. Pei, “Introduction,” in Data Mining, Elsevier, 2012, pp. 1–38. doi: 10.1016/b978-0-12-381479-1.00001-0.

E. Prasetyo, Data Mining : Konsep Dan Aplikasi Menggunakan Matlab, I. Yogyakarta: Andi Yogyakarta, 2013.

L. Y. Lumban Gaol, M. Safii, and D. Suhendro, “Prediksi Kelulusan Mahasiswa Stikom Tunas Bangsa Prodi Sistem Informasi Dengan Menggunakan Algoritma C4.5,” Brahmana J. Penerapan Kecerdasan Buatan, vol. 2, no. 2, pp. 97–106, 2021, doi: 10.30645/brahmana.v2i2.71.

N. Purwati, R. Nurlistiani, and O. Devinsen, “Data Mining Dengan Algoritma Neural Network Dan Visualisasi Data Untuk Prediksi Kelulusan Mahasiswa,” J. Inform., vol. 20, no. 2, pp. 156–163, 2020, doi: 10.30873/ji.v20i2.2273.

M. N. Maskuri, K. Sukerti, and R. M. Herdian Bhakti, “Penerapan Algoritma K-Nearest Neighbor (KNN) untuk Memprediksi Penyakit Stroke Stroke Desease Predict Using KNN Algorithm,” J. Ilm. Intech Inf. Technol. J. UMUS, vol. 4, no. 1, pp. 130–140, 2022.

N. Komang Ratih Kumala and A. Savitri Puspaningrum, “E-Delivery Makanan Berbasis Mobile (Studi Kasus : Okonomix Kedaton Bandar Lampung),” J. Teknol. dan Sist. Inf., vol. 1, no. 2, pp. 105–110, 2020, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI

S. Zhang, C. Zhang, and Q. Yang, “Data preparation for data mining,” Appl. Artif. Intell., vol. 17, p. 2003, 2010, doi: 10.1080/08839510390219264.

A. A. Murtopo, “Prediksi Kelulusan Tepat Waktu Mahasiswa STMIK YMI Tegal Menggunakan Algoritma Naïve Bayes Time Graduation Prediction by Using Naïve Bayes Algorithm at STMIK YMI Tegal,” pp. 145–154.

L. Dini, U. Sekolah, T. M. Informatika, D. Komputer, N. Mandiri, and R. S. Wahono, “Integrasi Metode Information Gain Untuk Seleksi Fitur dan Adaboost Untuk Mengurangi Bias Pada Analisis Sentimen Review Restoran Menggunakan Algoritma Naïve Bayes,” J. Intell. Syst., vol. 1, no. 2, pp. 120–126, 2015.

A. Saifudin, “Metode Data Mining Untuk Seleksi Calon Mahasiswa,” vol. 10, no. 1, pp. 25–36, 2018.