Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naïve Bayes (Studi Kasus: Fasilkom Unilak)

Abstract

Abstrak -Evaluasi sukses tidaknya kinerja akademik Mahasiswa pada masa studinya salah satunya dapat dilihat dari ketepatannya dalam menyelesaikan masa studinya di universitas. Hal ini dapat dipantau sejak mereka berada pada tingkat 3 atau semester 6. Evaluasi dilakukan dengan membagi data menjadi dua yaitu sebagai data latih (training set) yang diambil dari data histori lulusan sebanyak 150 data; dan data uji (testing set) dari data mahasiswa di tingkat 3 atau semester 6 yang belum menyelesaikan masa studinya sebanyak 61 data. Hasil dari penelitian dengan pembangunan model Naïve Bayes terbaik berada pada akurasi 76%, kemudian model tersebut diterapkan untuk prediksi kelulusan mahasiswa pada tingkat 3, dengan perolehan hasil 48 mahasiswa lulus tepat waktu dan 13 mahasiswa lulus tidak tepat waktu. Pada penelitian ini atribut yang digunakan adalah jenis kelamin; program studi; asal sekolah; daerah asal; tempat tanggal lahir; indeks prestasi semester 1 sampai dengan 5; indeks prestasi kumulatif; dan target kelulusan.

Kata kunci: Data Mining, Kinerja Akademik, Klasifikasi, Naïve Bayes

Abstract- Evaluation of the success or failure of Student academic performance during her studies one of which can be seen from its accuracy in completing their study at the university. It can be monitored since they are at level 3 or semesters 6. Evaluation is done by dividing the data into two, as training data (training set) are taken from historical data as much as 150 graduates of the data; and test data (testing set) of the student data at level 3 or 6 semesters who have not completed their study as many as 61 data. Results of the study with the best development Naïve Bayes models are at 76% accuracy, then the model is applied to the prediction graduation at level 3, with the acquisition of the results of 48 students graduate on time and 13 students do not graduate on time. In this study attributes used is sex; study program; Which school are you from; place of Origin; date of birth; the semester grade of 1 to 5; grade-point average; and graduation targets.
Keywords: Data Mining, Academic Performance, Classification, Naïve Bayes