Sistem Informasi Prediksi Kelulusan Menggunakan Metode Naive Bayes Classifer (Studi Kasus: Prodi Pendidikan Teknik Informatika)

Abstract

Prediksi (prediction) adalah kegiatan memprediksi apa yang akan terjadi di masa yang akan datang. Karena masalah pengambilan keputusan adalah masalah yang harus dihadapi, demikian juga peramalan. Karena prediksi sangat erat kaitannya dengan pengambilan keputusan. Prediksi kelulusan mahasiswa merupakan upaya untuk membantu mahasiswa mengetahui status kelulusannya. Metode yang digunakan yaitu metode prototyping merupakan salah satu metode pengembangan perangkat lunak yang menggunakan pendekatan untuk membuat rancangan dengan cepat dan bertahap sehingga dapat segera dievaluasi oleh calon pengguna/klien. Aplikasi prediksi mahasiswa ini diuji menggunakan data mahasiswa PTI angkatan 2014 dan 2015 sebagai data training berjumlah 94 data, dan data mahasiswa angkatan 2016 sebagai data testing berjumlah 46 data. Pada aplikasi ini klasifikasi naïve bayes classifier digunakan untuk melakukan klasifikasi data berdasarkan hasil studi 6 semester dan total sks. Hasil klasifikasi dari aplikasi ini menyatakan bahwa dari 46 data testing memperoleh hasil accuracy 82,61%, precision 91,66%, recall 61,11%. Aplikasi ini dapat membantu memprediksi hasil kelulusan mahasiswa tepat waktu atau tidak tepat waktu berdasarkan hasil studi.

Naive Bayes Classification Untuk Prediksi Cacat Perangkat Lunak

“…Selain itu, klasifikator Naive Bayes telah diterapkan di bidang lain, seperti memprediksi kelulusan siswa [9] dan mendeteksi serangan jaringan. [10].…”

“…Berikun contoh perhitungan dari proses normalisasi Min-Max. Data Awal: v : [3,6,9,12] b : [15,18,21,24] Normalisasi Min-Max untuk Kolom 'v' Jadi, hasil normalisasi Min-Max untuk kolom 'v':…”

Prototype Sistem Informasi Publik dan Prediksi Produksi Karet Menggunakan Metode Naive Bayes Berbasis Website

“…Algoritma Naive Bayes dapat didefinisikan juga sebagai metode klasifikasi yang berdasarkan teori probabilitas dan teorema bayesian dengan asumsi bahwa setiap variabel atauparameter penentu keputusan bersifat bebas (independence) sehingga keberadaan setiap variabel tidak ada kaitannya dengan keberadaan atribut yang lain. Perhitungan persamaan dari Algoritma Naive Bayes adalah [10], [11]:…”