PREDIKSI KELULUSAN MAHASISWA TEPAT WAKTU MENGGUNAKAN METODE DECISION TREE DAN NAÏVE BAYES

Abstrak

Kelulusan tepat waktu sendiri merupakan salah satu indikator keberhasilan hasil kinerja akademik mahasiswa. Ketentuan masa studi sendiri sudah diatur dalam ketetapan Peraturan Menteri dan Pendidikan Kebudayaan Indonesia. Untuk mengatasi hal tersebut perlu ada teknik untuk bisa melakukan prediksi terhadap kelulusan, Adapun teknik yang sering digunakan adalah dengan menggunakan data mining. Dalam penelitian ini penulis akan membandingan dua metode data mining yaitu metode Naive Bayes Classifier dan Decision Tree. sehingga diperoleh metode dengan akurasi prediksi kelulusan mahasiswa yang terbaik. Atribut yang digunakan untuk Klasifikasi Data Mining terdiri atas 10 atribut yaitu NIM, Jenis Kelamin, Status Mahasiswa, Umur, Indeks Prestasi Semester 1, Indeks Prestasi Semester 2, Indeks Prestasi Semester 3, Indeks Prestasi Semester 4, Indek Prestasi Komulatif, Keterangan Sebagai atribut hasil. Dari hasil proses pengujian dengan tools RapidMiner Menggunakan dua metode yang telah dilakukan. Decision Tree(C4.5) memperoleh hasil akurasi tertinggi sebesar 88.92% dan Metode Naïve Bayes memperoleh hasil akurasi tertinggi sebesar 84.98%.