Pemanfaatan Data Mining Untuk Memprediksi Kelulusan Mata Kuliah dan Referensi Strategi Pembelajaran

Andry Firdiansyah; Ibnu Al Ikrom; Moh. Khamdanni; Wahyu Cahyo Utomo

doi:10.29407/stains.v3i1.4338

Authors

Andry Firdiansyah Universitas Nusantara PGRI Kediri
Ibnu Al Ikrom Universitas Nusantara PGRI Kediri
Moh. Khamdanni Universitas Nusantara PGRI Kediri
Wahyu Cahyo Utomo Universitas Nusantara PGRI Kediri

DOI:

https://doi.org/10.29407/stains.v3i1.4338

Keywords:

Data Mining, Kelulusan, Naїve Bayes

Abstract

Memanfaatkan teknologi dalam pendidikan bisa membantu kita agar lebih efektif dari segi tenaga maupun waktu. Pilihan strategi pembelajaran yang tepat, termasuk referensi strategi pembelajaran, merupakan langkah penting dalam perancangan kurikulum di tingkat akademik. Efektivitasnya berpengaruh pada bagaimana metode pengajaran dan pendekatan pembelajaran yang relevan memfasilitasi pemahaman. Penelitian menggunakan dataset dengan atribut nilai dalam mata kuliah yang pernah di tempuh mahasiswa yaitu Pns, Alpro 1, Alpro 2, Diskrit, PBO, dan Aljabar yang memengaruhi keputusan dan melibatkan proses pelatihan model Naive Bayes Dan bisa berpotensi memengaruhi keputusan. Oleh karena itu Metode Naїve Bayes akan diimplementasikan untuk memodelkan hubungan probabilistik antara atribut dan kelas keputusan. Hasil penelitian ini diharapkan dapat memberikan wawasan praktis dengan berbasis aplikasi Android. Algoritma memiliki nilai evaluasi 90% accuracy, 1 recall, 89% precision, dan skor F1-0,67, dengan nilai tersebut maka Hasil penelitian ini menunjukkan bahwa algoritma Naive Bayes dapat membuat prediksi kelulusan dalam mata kuliah data mining dengan kinerja yang baik.

Downloads

Download data is not yet available.

References

D. A. Putra and K. Mia, "Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Naive Bayes di Program Studi Teknik Informatika UHAMKA," Seminar Nasional Teknoka, vol. V, p. 35, 2020.

A. Pratama, R. C. Wihandika and D. Eka, "Implementasi algoritme suport vector mechine (SVM) untuk prediksi ketepatan waktu kelulusan mahasiswa," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 4, pp. 1704-1708, 2018.

W. Musu, A. Ibrahim and H. Heriadi, "Pengaruh Komposisi Data Training dan Testing terhadap Akurasi Algoritma C4. 5," SISITI: Seminar Ilmiah Sistem Informasi dan Teknologi, vol. 10, no. 1, pp. 186-195, 2021.

N. Ramsari and A. R. Firmansyah, "SISTEM PENDUKUNG KEPUTUSAN UNTUK MENINGKATKAN MUTU KINERJA PROGRAM STUDI MELALUI PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES BERBASIS FRAMEWORK LARAVEL (STUDI KASUS : FAKULTAS ILMU KOMPUTER DAN INFORMATIKA UNIVERSITAS NURTANIO BANDUNG)," Program Studi Teknik Informatika, pp. 6-18.

R. W. and B. P. Adhi, "Sistem Pendukung Keputusan untuk Memprediksi Kelulusan Mahasiswa pad Program Studi Pendidikan Teknik Informatika dan Komputer dengan Menggunakan Algoritma Naive Bayes," Jurnal Pintar, vol. IV, no. 1, 2020.

R. P. S. Putri and I. Waspada, "Penerapan Aplikasi Prediksi Kelulusan Mahasiswa Prodi Informatika," Khazanah Informatika: Jurnal Ilmu Komputer Dan Informatika, vol. 4, no. 1, pp. 1-7, 2018.

J. Han, M. Kamber and J. Pei, Data Mining: Concepts and Technique, Amsterdam: Elsevier, 2011.

D. Dahri, F. Agus and D. M. Khairina, "Metode Naive Bayes Untuk Penentuan Penerimaan Beasiswa Bidikmisi Universitas Mulawarman," Jurnal Informatika Mulawarman, vol. 11, no. 2, p. 29, 2016.

F. Elfaladonna and A. Rahmadani, "Analisa Metode Classification-Decission Tree dan Algoritma C4.5 untuk Memprediksi Penyakit Diabetes dengan Menggunakan Aplikasi Rapid Miner," SINTECH (Science and Information Technology), vol. 2, no. 1, pp. 10-17, 2019.