Klasifikasi Lama Studi dan Predikat Kelulusan Mahasiswa menggunakan Metode Naïve Bayes

Abstract

Ketepatan waktu studi mahasiswa adalah hal yang penting dalam perguruan tinggi. Ketepatan waktu mahasiswa dalam menyelesaikan studi menjadi salah satu penunjang penilaian kualitas perguruan tinggi. Hal ini tentu saja berpengaruh terhadap mutu kelulusan mahasiswa dan predikat kelulusan pada mahasiswa itu sendiri terutama pada saat proses akreditasi. Oleh karena itu, pada penelitian ini diklasifikasikan lama studi dan predikat kelulusan mahasiswa dengan tujuan untuk membantu pihak program studi dan fakultas dalam menganalisis luaran pembelajaran. Metode klasifikasi yang diterapkan pada penelitian ini adalah Naïve Bayes. Data yang digunakan adalah data mahasiswa Institut Teknologi dan Bisnis STIKOM Bali tahun 2008 sampai dengan tahun 2016 dengan total jumlah data sebanyak 5.081. Atribut dataset yang digunakan untuk mengklasifikasikan Lama Studi dan Predikat Kelulusan adalah Jenis Kelamin, Prodi, Konsentrasi, Tahun Masuk, dan Tahun Lulus. Hasil eksperimen menunjukkan bahwa akurasi tes classifier untuk klasifikasi lama studi sebesar 0,74 dan untuk akurasi tes klasifikasi predikat kelulusan sebesar 0,61 pada kelompok data Program Studi Sistem Komputer. Kemudian untuk kelompok data Program Studi Sistem Informasi akurasi tes klasifikasi lama studi sebesar 0,73 dan untuk akurasi klasifikasi predikat kelulusan sebesar 0,67.

Prediksi Nilai Akhir Mahasiswa Dengan Metode Naïve Bayes

“…Metode Naïve Bayes digunakan pada beberapa penelitian sebelumnya untuk memprediksi kelulusan mahasiswa, diantaranya adalah (Wibowo & Rohman, 2022) melakukan penelitian untuk memprediksi predikat kelulusan mahasiswa dan mendapatkan akurasi sebesar 86%. Selain itu, metode ini juga digunakan oleh (Hendrawan, Saputra, Dewi, Pranata, & Wedasari, 2021) untuk mengklasifikasikan lama studi dan predikat kelulusan mahasiswa dengan data dari Institut Teknologi dan Bisnis STIKOM Bali. Hasil penelitian tersebut menunjukan tingkat akurasi untuk lama studi 74% dan predikat kelulusan 61% pada Program Studi Sistem Komputer.…”

“…Ketidakseimbangan ini dapat menyebabkan pengklasifikasian cenderung lebih banyak mempelajari pola data mayoritas daripada pola data minoritas. Hal ini dapat menyebabkan keputusan yang dihasilkan dari pengklasifikasian menjadi bias terhadap kelas mayoritas (Hendrawan, Saputra, Dewi, Pranata, & Wedasari, 2021).…”

The Comparison of Ridge Regression Method and Lasso Regression Method to Predict The Graduation Time

“…Lasso regression method is one depreciation method of some coefficients from independent variable and the coefficient will approach even determined to be zero [3] [8] for the independent variable which does not influence the dependent variable. Until with this method the unnecessary variable will be selected and it causes the usage of this lasso regression method tobe better compared to the ridge regression [3] [9].…”

“…The growing number of students who do not graduate on time will have an influence on the study program's accreditation review. Of course, this will have an impact on the institutional level as well [1] [2].…”

“…Lasso regression was employed in the study by Mohammad Robbani and his team to identify the factors affecting Indonesian inflation. This study was able to choose 8 independent variables and decrease them to 6 independent variables by using Lasso regression [3]. The research conducted by Rahmi Susanti used Ridge regression to determine the variables that influence the fertility of fertile women in East Kalimantan, detect multicollinearity, and create a model using the MKT method and Ridge regression method.…”