Sistem Informasi Prediksi Kelulusan Menggunakan Metode Naive Bayes Classifer (Studi Kasus: Prodi Pendidikan Teknik Informatika)

Authors

  • Kemal Refta Diska Program Studi Pendidikan Teknik Informatika, Universitas Negeri Padang, Indonesia
  • Khairi Budayawan Departement Teknik Elektronika, Universitas Negeri Padang, Indonesia

DOI:

https://doi.org/10.31004/jptam.v7i1.5375

Keywords:

Prediksi, Naive bayes classifer, Metode Prototype

Abstract

Prediksi (prediction) adalah kegiatan memprediksi apa yang akan terjadi di masa yang akan datang. Karena masalah pengambilan keputusan adalah masalah yang harus dihadapi, demikian juga peramalan. Karena prediksi sangat erat kaitannya dengan pengambilan keputusan. Prediksi kelulusan mahasiswa merupakan upaya untuk membantu mahasiswa mengetahui status kelulusannya. Metode yang digunakan yaitu metode prototyping merupakan salah satu metode pengembangan perangkat lunak yang menggunakan pendekatan untuk membuat rancangan dengan cepat dan bertahap sehingga dapat segera dievaluasi oleh calon pengguna/klien. Aplikasi prediksi mahasiswa ini diuji menggunakan data mahasiswa PTI angkatan 2014 dan 2015 sebagai data training berjumlah 94 data, dan data mahasiswa angkatan 2016 sebagai data testing berjumlah 46 data. Pada aplikasi ini klasifikasi naïve bayes classifier digunakan untuk melakukan klasifikasi data berdasarkan hasil studi 6 semester dan total sks. Hasil klasifikasi dari aplikasi ini menyatakan bahwa dari 46 data testing memperoleh hasil accuracy 82,61%, precision 91,66%, recall 61,11%. Aplikasi ini dapat membantu memprediksi hasil kelulusan mahasiswa tepat waktu atau tidak tepat waktu berdasarkan hasil studi.

References

Apridiansyah, Y., David, N., Veronika, M., Putra, E. D., Muhammadiyah, U., & Id;, Y. A. (2021). Prediksi Kelulusan Mahasiswa Fakultas Teknik Informatika Universitas Muhammadiyah Bengkulu Menggunakan Metode Naive Bayes. JSAI?: Journal Scientific and Applied Informatics, 4(2). https://doi.org/10.36085

Ayuningtias, L. P., Irfan, M., & Jumadi, J. (2017). Analisa Perbandingan Logic Fuzzy Metode Tsukamoto, Sugeno, Dan Mamdani (Studi Kasus?: Prediksi Jumlah Pendaftar Mahasiswa Baru Fakultas Sains Dan Teknologi Universitas Islam Negeri Sunan Gunung Djati Bandung). Jurnal Teknik Informatika, 10(1). https://doi.org/10.15408/jti.v10i1.5610

Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional. Jurnal Tekno Kompak, 15(1), 131. https://doi.org/10.33365/jtk.v15i1.744

Gunawan, M., Zarlis, M., & Roslina, R. (2021). Analisis Komparasi Algoritma Naïve Bayes dan K-Nearest Neighbor Untuk Memprediksi Kelulusan Mahasiswa Tepat Waktu. Jurnal Media Informatika Budidarma, 5(2), 513. https://doi.org/10.30865/mib.v5i2.2925

Hadianto, N., Novitasari, H. B., & Rahmawati, A. (2019). View of KLASIFIKASI PEMINJAMAN NASABAH BANK MENGGUNAKAN METODE NEURAL NETWORK. http://ejournal.nusamandiri.ac.id/index.php/pilar/article/view/658/546

Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. J-SAKTI (Jurnal Sains Komputer Dan Informatika), 5(2), 697–711.

Roring, C. B., Mulyana, D. I., Lubis, Y. T., & Zamzami, A. R. (2022). Klasifikasi Tingkat Kematangan Buah Jambu Bol Berdasarkan Warna Kulit Menggunakkan Metode Naïve Bayes. https://jptam.org/index.php/jptam/article/view/3335/2822

Sardi, H. Y., & Budayawan, K. (2020). Klasifikasi Tingkat Kelulusan Mahasiswa Elektronika Menggunakan Algoritma Naïve Bayes Classifier (Studi Kasus?: Pendidikan Teknik Informatika FT-UNP). Voteteknika (Vocational Teknik Elektronika Dan Informatika), 8(4), 147. https://doi.org/10.24036/voteteknika.v8i4.110394

Setiyani, L. (2021). Desain Sistem?: Use Case Diagram. https://e-journal.rosma.ac.id/index.php/inotek/article/view/183/142

Suryadi, S. (2015). PERANAN PERKEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIKASI DALAM KEGIATAN PEMBELAJARAN DAN PERKEMBANGAN DUNIA PENDIDIKAN. INFORMATIKA, 3(3), 133–143. https://doi.org/10.36987/INFORMATIKA.V3I3.219

Susanto, R., & Andriana, A. D. (n.d.). PERBANDINGAN MODEL WATERFALL DAN PROTOTYPING UNTUK PENGEMBANGAN SISTEM INFORMASI. Majalah Ilmiah UNIKOM, 14(1).

Syarli, & Muin, A. A. (2016). Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi). https://fikom-unasman.ac.id/ejournal/index.php/jikom/article/view/76/52

Downloads

Published

03-02-2023

How to Cite

Diska, K. R. ., & Budayawan, K. . (2023). Sistem Informasi Prediksi Kelulusan Menggunakan Metode Naive Bayes Classifer (Studi Kasus: Prodi Pendidikan Teknik Informatika). Jurnal Pendidikan Tambusai, 7(1), 936–943. https://doi.org/10.31004/jptam.v7i1.5375

Issue

Vol. 7 No. 1 (2023): April 2023

Section

Articles of Research

Citation Check

License

Copyright (c) 2023 Kemal Refta Diska

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).