Information Gain Berbasis Algoritma Naive Bayes Classifier Pada Pemodelan Prediksi Kelulusan
Article Sidebar
Main Article Content
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. Salah satu teknik dalam data mining yang dapat digunakan untuk memprediksi waktu kelulusan adalah klasifikasi dan salah satu algoritma klasifikasi adalah Naive Bayes Classifier (NBC). Penelitian ini menggunakan algoritma NBC dengan memanfaatkan seleksi fitur Information Gain dalam memprediksi waktu kelulusan mahasiswa. Tujuan dari pemanfaatan seleksi fitur sendiri adalah untuk mengurangi tingkat kompleksitas dan meningkatkan akurasi serta mampu mengetahui fitur-fitur apa saja yang paling berkontribusi terhadap tingkat akurasi. Hasil pengolahan dataset pada RapidMiner dengan menerapkan algoritma NBC dengan seleksi fitur Information Gain menunjukkan peningkatan akurasi dibandingkan dengan menggunakan standar NBC.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
“PERMENDIKBUD NOMOR 3 TAHUN 2020 TENTANG STANDAR NASIONAL PENDIDIKAN TINGGI”.
D. Xhemali, C. J. Hinde, and R. G. Stone, “Naive Bayes vs. Decision Trees vs. Neural Networks in the Classification of Training Web Pages,” Int J Comp Sci, vol. 4, no. 1, pp. 16–23, 2009, [Online]. Available: http://cogprints.org/6708/
P. M. Barnaghi, V. A. Sahzabi, and A. A. Bakar, “A Comparative Study for Various Methods of Classification,” International Conference on Information and Computer Networks, vol. 27, no. Icicn, pp. 62–66, 2012.
M. Mambang and F. D. Marleny, “PREDIKSI CALON MAHASISWA BARU MENGUNAKAN METODE KLASIFIKASI DECISION TREE,” CSRID (Computer Science Research and Its Development Journal), vol. 7, no. 1, pp. 48–56, Feb. 2015, Accessed: May 02, 2023. [Online]. Available: http://csrid.potensi-utama.ac.id/ojs/index.php/CSRID/article/view/65
D. Alita, I. Sari, A. R. Isnain, and S. Styawati, “PENERAPAN NAÏVE BAYES CLASSIFIER UNTUK PENDUKUNG KEPUTUSAN PENERIMA BEASISWA,” Jurnal Data Mining dan Sistem Informasi, vol. 2, no. 1, pp. 17–23, Feb. 2021, doi: 10.33365/JDMSI.V2I1.1028.
F. Yessy Nabella, Y. A. Sari, and R. C. Wihandika, “Seleksi Fitur Information Gain Pada Klasifikasi Citra Makanan Menggunakan Hue Saturation Value dan Gray Level Co-Occurrence Matrix,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 2, pp. 2548–964, 2019, [Online]. Available: http://j-ptiik.ub.ac.id
A. Budianita, M. A. Wardhana, and F. I. Pratama, “Systematic Literature Review Prediksi Kinerja Siswa : Tren Penelitian, Metode, Dataset, dan Atribut,” Jurnal Bisnis Digital dan Sistem Informasi, vol. 1, no. 1, pp. 1–11, 2020, Accessed: Mar. 26, 2022. [Online]. Available: https://ejr.stikesmuhkudus.ac.id/index.php/BIDISFO/article/view/888
A. Riani, Y. Susianto, and N. Rahman, “Implementasi Data Mining Untuk Memprediksi Penyakit Jantung Mengunakan Metode Naive Bayes,” Journal of Innovation Information Technology and Application (JINITA), vol. 1, no. 01, pp. 25–34, Dec. 2019, doi: 10.35970/jinita.v1i01.64.
R. Dwi Septiana and A. Budi Susanto, “Analisis Sentimen Vaksinasi Covid-19 Pada Twitter Menggunakan Naive Bayes Classifier Dengan Feature Selection Chi-Squared Statistic dan Particle Swarm Optimization,” Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan), vol. 5, no. 1, pp. 49–56, Sep. 2021, doi: 10.47970/SISKOM-KB.V5I1.228.
A. Budianita and F. I. Pratama, “Penerapan Algoritma Klasifikasi Dengan Fitur Seleksi Weight By Information Gain Pada Pemodelan Prediksi Kelulusan Mahasiswa,” Infotekmesin, vol. 11, no. 2, pp. 80–86, Aug. 2020, doi: 10.35970/infotekmesin.v11i2.255.
S. Budi, Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. 2007. doi: 10.1017/CBO9781107415324.004.
D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J-SAKTI (Jurnal Sains Komputer dan Informatika), vol. 5, no. 2, pp. 697–711, Sep. 2021, Accessed: May 15, 2023. [Online]. Available: http://ejurnal.tunasbangsa.ac.id/index.php/jsakti/article/view/369
F. Gorunescu, “Data mining: Concepts, models and techniques,” Intelligent Systems Reference Library, 2011, doi: 10.1007/978-3-642-19721-5.