Pemanfaatan Data Mining Untuk Memprediksi Kelulusan Mata Kuliah dan Referensi Strategi Pembelajaran
DOI:
https://doi.org/10.29407/stains.v3i1.4338Keywords:
Data Mining, Kelulusan, Naїve BayesAbstract
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
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. Purwati and A. D. Januanti, "Prediksi Tingkat Kelulusan Mahasiswa dengan Algoritma Naive Bayes," Ilmu Komputer Unila Publishing Network all rights reserved, vol. 2, no. 1, pp. 126-137, 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.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Andry Firdiansyah, Ibnu Al Ikrom, Moh. Khamdanni, Wahyu Cahyo Utomo
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants 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 acknowledgment 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 acknowledgment 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.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
