Penggunaan Metode Naive Bayes Classifier untuk Mengevaluasi Kinerja Akademik Mahasiswa di Perguruan Tinggi

Penulis

Kata Kunci:

Universitas, Mahasiswa, Kinerja, Naive Bayes Classifier (NBC)

Abstrak

Ketidaktepatan dalam pemiliahan  fakultas di universitas adalah salah satu kendal yang dialami oleh mahasiswa yang berpengaruh terhadap nilai-nilai akdemik atau kinerja mahasiswa yang berdampak terganggunya ketepatan dalam kelulusan mahasiswa tersebut, dalam mengembangkan suatu kinerja perlu mengetahui bakat individu dari para mahasiswa, hal ini melatar belakangi penerapan metode Algoritma Naive Bayes Classifier (NBC) dalam peneriman mahasiswa baru agar mengetahui bakat dan minat dari para mahasiswa, dengan metode NBC diharapkan adanya penigkatan ektivitas dari para mahasiswa dalam perguruan tinggi. Penelitian yang kami lakukan fokus untuk mengevaluasi keberhasilan penyelenggara suatu Jurusan pada salah satu Universitas. Penelitian yang kami lakukan fokus untuk mengevaluasi keberhasilan penyelenggara suatu Jurusan pada salah satu Universitas dengan menggunakan metode Algoritma Naive Bayes Classifier (NBC). Karena keberhasilan kinerja akademik mahasiswa sangat bergantung pada tingkat kemampuan mahasiswa dalam mengembangkan ilmu yang dimiliki. Sehingga untuk mengevaluasi kinerja dari mahasiswa diperlukan sebuah metode yakni Algoritma Naive Bayes Classifier (NBC) untuk menganalisa seberapa besarkah tingkat kinerja mahasiswa. Hasil dari penelitian ini akan menunjukkan mana saja yang sangat berpengaruh terhadap ketentuan suatu klasifikasi kinerja akademik seorang mahasiswa. Adapun hasilnya dapat berdasarkan Index Prestasi (IP) sehingga hasil yang diperoleh dengan metode yang digunakan dapat menjadikan bahan evaluasi terhadap pihak universitas ataupun mahasiswa terkait.

Biografi Penulis

Novitalia Novitalia, Universitas Pamulang

Mahasiswa semester 7 di universitas Pamulang. Bekerja sebagai Web Developer.

Referensi

Astuti, Y. P., Sudibyo, U., Kurniawan, A. W., & Rahayu, Y. (2018). Algoritma Naive Bayes dengan fitur seleksi untuk mengetahui hubungan variabel nilai dan latar belakang pendidikan. Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, 9(1), 597-602. doi:10.24176/simet.v9i1.2016

Mandias, G. F. (2015). Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Di Universitas Klabat Dengan Metode Klasifikasi. Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) (pp. 351-354). Denpasar: STMIK STIKOM Bali.

Mulyati, S., Yulianti, Y., & Saifudin, A. (2017). Penerapan Resampling dan Adaboost untuk Penanganan Masalah Ketidakseimbangan Kelas Berbasis Na?ve Bayes pada Prediksi Churn Pelanggan. Jurnal Informatika Universitas Pamulang, 2(4), 190-199. doi:10.32493/informatika.v2i4.1440

Mustafa, M. S., & Simpen, I. W. (2019). Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier (Studi Kasus STMIK Dipanegara). JUSITI (Jurnal Sistem Informasi dan Teknologi Informasi), 193-202.

Nasution, N., Djahara, K., & Zamsuri, A. (2015). Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naïve Bayes (Studi Kasus: Fasilkom Unilak). Digital Zone: Jurnal Teknologi Informasi dan Komunikasi, 6(2), 1-11. doi:10.31849/digitalzone.v6i2.91

Ridwan, M., Suyono, H., & Sarosa, M. (2013). Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. Jurnal EECCIS, 7(1), 59-64.

Rifqo, M. H., & Wijaya, A. (2017). Implementasi Algoritma Naiva Bayes dalam Penentuan Pemberian Kredit. Jurnal Pseudocode, 4(2), 120-128. doi:10.33369/pseudocode.4.2.120-128

Rismayanti. (2016). Implementasi algoritma C4.5 untuk menentukan penerima beasiswa di STT Harapan Medan.

Rohman, A. (2015). Model Algoritma K-Nearest Neighbor (K-NN) untuk prediksi kelulusan mahasiswa. Neo Teknika: Jurnal Ilmiah Teknologi, 1(1), 1-9. doi:10.37760/neoteknika.v1i1.350

Suprianto, S. (2020). Implementasi Algoritma Naive Bayes Untuk Menentukan Lokasi Strategis Dalam Membuka Usaha Menengah Ke Bawah di Kota Medan (Studi Kasus: Disperindag Kota Medan). Jurnal Sistem Komputer dan Informatika (JSON), 1(2), 125-130. doi:10.30865/json.v1i2.1939

Yasmiati, Y., Wahyudi, W., & Susilo, A. (2017). Pengembangan Aplikasi Data Mining dengan Algoritma c4.5 dan apriori di fakultas Teknologi Informatika Universitas Respati Indonesia. Jurnal Teknologi, 9(1), 31-41. doi:10.24853/jurtek.9.1.31-41

Jurnal Teknologi Sistem Informasi dan Aplikasi Vol. 4 No. 2 April 2021

Unduhan

Diterbitkan

2021-04-30

Cara Mengutip

Novitalia, N., Mawasgenti, P. D., Apriani, T., S., A. P., & Saifudin, A. (2021). Penggunaan Metode Naive Bayes Classifier untuk Mengevaluasi Kinerja Akademik Mahasiswa di Perguruan Tinggi. Jurnal Teknologi Sistem Informasi Dan Aplikasi, 4(2), 65–71. Diambil dari https://openjournal.unpam.ac.id/index.php/JTSI/article/view/7752

Terbitan

Vol 4 No 2 (2021): Jurnal Teknologi Sistem Informasi dan Aplikasi

Bagian

Article

Lisensi

Hak Cipta (c) 2021 Novitalia Novitalia, Putri Dinanti Mawasgenti, Tina Apriani, Ahmad Prayogi S., Aries Saifudin

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.

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

  1. 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.
  2. 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.
  3. 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).

Jurnal Teknologi Sistem Informasi dan Aplikasi have CC BY-NC or an equivalent license as the optimal license for the publication, distribution, use, and reuse of scholarly work.

In developing strategy and setting priorities, Jurnal Teknologi Sistem Informasi dan Aplikasi recognize that free access is better than priced access, libre access is better than free access, and libre under CC BY-NC or the equivalent is better than libre under more restrictive open licenses. We should achieve what we can when we can. We should not delay achieving free in order to achieve libre, and we should not stop with free when we can achieve libre.

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) License

YOU ARE FREE TO:

  • Adapt - remix, transform, and build upon the material for any purpose, even commercially.
  • The licensor cannot revoke these freedoms as long as you follow the license terms