PREDIKSI PENGUNDURAN DIRI MAHASISWA UNIVERSITAS AMIKOM YOGYAKARTA MENGGUNAKAN METODE NAIVE BAYES

Andika Mahanggara; Arif Dwi Laksito

doi:10.24176/simet.v10i1.2967

PREDIKSI PENGUNDURAN DIRI MAHASISWA UNIVERSITAS AMIKOM YOGYAKARTA MENGGUNAKAN METODE NAIVE BAYES

Andika Mahanggara
Arif Dwi Laksito - [ http://orcid.org/0000-0003-4679-2544 ]

Abstract

Universitas AMIKOM Yogyakarta merupakan Universitas yang telah berdiri sejak tahun 1994 dan telah banyak menghasilkan mahasiswa yang berbakat dalam bidang komputer. Setiap tahunnya Universitas AMIKOM Yogyakarta memiliki mahasiswa baru yang jumlahnya terus bertambah hingga saat ini, namun sering kali sejumlah peserta didik pada Universitas AMIKOM Yogyakarta mengundurkan diri. Dengan menggunakan teknik klasfikasi probabilistik sederhana yaitu Algoritma Naive Bayes dapat dilakukan prediksi terhadap pengunduran diri mahasiswa dengan menghitung sekumpulan probabilitas dari jumlah frekuensi dan kombinasi nilai dari dataset yang didapatkan. Implementasi Naive Bayes diharapkan mampu untuk memprediksi pengunduran diri agar pihak lembaga dapat melakukan pencegahan terhadap pengunduran diri mahasiswa. Hasil uji coba dari 120 dataset yang dibagi menjadi 70% data training dan 30% data testing diperoleh nilai error sebesar 22,22%. Sedangkan tingkat akurasi yang diperoleh sebesar 77,78% dengan hasil prediksi 22 mahasiswa diprediksi bertahan dan 14 mahasiswa diprediksi mengundurkan diri.

Keywords

naive bayes; prediksi; pengunduran diri

Teks Lengkap:

PDF

Referensi

M. Listiana, “Perbandingan Algoritma Decision Tree (C4.5) Dan NaïVe Bayes Pada Data Mining Untuk Identifikasi Tumbuh Kembang Anak Balita (Studi Kasus Puskesmas Kartasura),” Universitas Muhammadiyah Surakarta, 2015.

H. Wasiati and D. Wijayanti, “Sistem Pendukung Keputusan Penentuan Kelayakan Calon Tenaga Kerja Indonesia Menggunakan Metode Naive Bayes (Studi Kasus: Di P.T. Karyatama Mitra Sejati Yogyakarta),” IJNS - Indones. J. Netw. Secur., vol. 3, no. 2, pp. 45–51, 2014.

A. Jananto, “Algoritma Naive Bayes untuk Mencari Perkiraan Waktu Studi Mahasiswa,” Teknol. Inf., vol. 18, no. 1, pp. 9–16, 2013.

E. Prasetyo, Data Mining: Konsep Dan Aplikasi Menggunakan Matlab. Yogyakarta: Andi Offset, 2012.

C. Goller, J. Löning, T. Will, and W. Wolff, “Automatic Document Classification: A thorough Evaluation of various Methods,” Int. Symp. für Informationswiss., vol. 8, no. 10, pp. 145–162, 2000.

Kusrini and E. T. Luthfi, Algoritma Data Mining. Yogyakarta: Andi Offset, 2009.

S. Masripah, “Komparasi Algoritma Klasifikasi Data Mining untuk Evaluasi Pemberian Kredit,” Bina Insa. ICT J., vol. 3, no. 1, pp. 187–193, 2016.

A. Indriani, “Klasifikasi Data Forum dengan menggunakan Metode Naive Bayes Classifier,” Aust. Prescr., vol. 20, no. SUPPL. 3, pp. 28–33, 1997.

A. Andriani, “Sistem Pendukung Keputusan Berbasis Decision Tree Dalam Pemberian Beasiswa Studi Kasus : Amik ‘ Bsi Yogyakarta ,’” Semin. Nas. Teknol. Inf. dan Komun. 2013 (SENTIKA 2013), vol. 2013, no. Sentika, pp. 163–168, 2013.

DOI: https://doi.org/10.24176/simet.v10i1.2967