Pencarian
SISTEM PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER (STUDI KASUS : PROGRAM STUDI INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS SAMUDRA)
MIRNA ADELIA (2021),
SISTEM PREDIKSI KELULUSAN MAHASISWA
MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER
(STUDI KASUS : PROGRAM STUDI INFORMATIKA
FAKULTAS TEKNIK UNIVERSITAS SAMUDRA) . Skripsi, Universitas Samudra.
ABSTRAK
Dalam sebuah instansi pendidikan lanjutan seperti Universitas Samudra,
mahasiswa merupakan salah satu aspek penting dalam mengevaluasi keberhasilan
dari program pendidikan. Salah satu indikator keberhasilan suatu Universitas
dapat dilihat dari banyaknya tingkat kelulusan mahasiswa. Berdasarkan hasil
pengamatan peneliti yang dilakukan pada program Studi Informatika Fakultas
Teknik Universitas Samudra terdapat kendala dalam kelulusan mahasiswa yaitu,
ketidakserasian jumlah mahasiswa yang masuk setiap tahunnya dengan jumlah
mahasiswa yang lulusan setiap tahunnya. Dari permasalahan tersebut peneliti akan
menganalisa untuk menentukan hasil uji coba kelulusan tepat waktu atau tidak
lulus tepat waktu menggunakan algoritma Naive Bayes Classifier. Algoritma
Naive Bayes Classifier merupakan pengklasifikasian dengan metode
probabilitas dan statistik. Dalam penelitian ini parameter yang digunakan untuk
memprediksi kelulusan mahasiswa adalah status menikah mahasiswa, status cuti
mahasiswa, status berkerja mahasiswa dan indeks prestasi dari semester 1 sampai
dengan semester 6. Berdasarkan perhitungan yang telah dilakukan menggunakan
sistem prediksi kelulusan mahasiswa dengan algoritma Naïve Bayes Classifier
terdapat 31 mahasiswa yang lulus tepat waktu dan terdapat 14 mahasiswa yang
lulus tidak tepat waktu.
File ::(login required)
Tipe Items | : Skripsi |
Penulis/Penyusun | : MIRNA ADELIA |
Fakultas | : Fakultas Teknik |
Program.Studi | : Teknik Informatika (2021) |
Tanggal disimpan | : 24-11-2021 16:04 |
Terakhir diubah | : 02-12-2021 11:56 |
Penerbit | : Langsa, Universitas Samudra, 2021 |
URI | : https://etd.unsam.ac.id/detail.php?id=2056 |
Root | : https://www.unsam.ac.id |