Prediksi Kelulusan Mahasiswa Pendidikan Kimia Universitas Sebelas Maret Dengan Metode Naive Bayes
DOI:
https://doi.org/10.52436/1.jpti.501Keywords:
algoritma klasifikasi, analisis akademik, naive bayes, prediksi kelulusan, RStudio, sistem early warningAbstract
Keberhasilan akademik mahasiswa, khususnya ketepatan waktu kelulusan, merupakan indikator penting dalam evaluasi kinerja institusi pendidikan tinggi. Termasuk di dalamnya Pendidikan S1 Kimia Universitas Sebelas Maret yang tingkat kelulusan mahasiswa tepat waktu lebih sedikit dari pada mahasiswa yang lulus terlambat. Penelitian ini bertujuan mengembangkan model prediksi kelulusan mahasiswa menggunakan metode Naive Bayes dengan analisis statistik komprehensif. Data yang digunakan mencakup 225 rekam akademik mahasiswa periode 2017-2019 dengan variabel meliputi indeks prestasi semester, indeks prestasi kumulatif, status beasiswa, jenis kelamin, dan jalur masuk. Metode penelitian menggunakan preprocessing data dengan menghilangkan data yang tidak lengkap dan normalisasi min-max scaling, dengan kombinasi Gaussian dan Multinomial Naive Bayes. Hasil penelitian menunjukkan model mencapai akurasi 80,65% dengan sensitivity 100%, specificity 70%, dan Area Under Curve 0,868. Indeks prestasi semester 7 dan 8 diidentifikasi sebagai prediktor terkuat dengan perbedaan mean signifikan antara kelulusan tepat waktu dan terlambat. Penelitian ini memberikan kontribusi metodologis dalam pengembangan sistem peringatan dini akademik yang dapat meningkatkan kelulusan tepat waktu.
Downloads
References
N. M. A. Mahar, Vihi Atina, and Nugroho Arif Sudibyo, “Pemodelan Prediksi Kelulusan Mahasiswa Dengan Metode Naïve Bayes Di Uniba,” J. Manaj. Inform. dan Sist. Inf., vol. 6, no. 2, pp. 148–158, 2023, doi: 10.36595/misi.v6i2.875.
A. A. Permana, R. Taufiq, R. Destriana, and A. Nur’aini, “Implementasi Algortima Naïve Bayes Untuk Prediksi Kelulusan Mahasiswa,” J. Tek., vol. 13, no. 1, pp. 65–70, 2024, [Online]. Available: https://jurnal.umt.ac.id/index.php/jt/article/view/10996
Armansyah and R. K. Ramli, “Model Prediksi Kelulusan Mahasiswa Tepat Waktu dengan Metode Naïve Bayes,” Edumatic J. Pendidik. Inform., vol. 6, no. 1, pp. 1–10, 2022, doi: 10.29408/edumatic.v6i1.4789.
Muqorobin and M. Bagoes Pakarti, “Sistem Prediksi Lama Studi Kuliah Menggunakan Metode Naive Bayes,” J. Inform. Komput. dan Bisnis, vol. 2, no. 1, pp. 117–129, 2022, [Online]. Available: https://jurnal.itbaas.ac.id/index.php/jikombis
F. Zafira, B. Irawan, and A. Bahtiar, “Penerapan Data Mining Untuk Estimasi Stok Barang Dengan Metode K-Means Clustering,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 156–161, 2024, doi: 10.36040/jati.v8i1.8319.
M Riski Qisthiano, “Klasifikasi Terhadap Prediksi Kelulusan Mahasiswa Dengan Menggunakan Metode Support Vector Machine (Svm),” Semin. Nas. Teknol. dan Multidisiplin Ilmu, vol. 2, no. 2, pp. 203–207, 2022, doi: 10.51903/semnastekmu.v2i1.170.
N. Khasanah, A. Salim, N. Afni, R. Komarudin, and Y. I. Maulana, “Prediksi Kelulusan Mahasiswa Dengan Metode Naive Bayes,” Technol. J. Ilm., vol. 13, no. 3, p. 207, 2022, doi: 10.31602/tji.v13i3.7312.
R. Harahap, Eva Darwisah Kurniawan, “Analisis Sentimen Komentar Terhadap Kebijakan Pemerintah Mengenai Tabungan Perumahan Rakyat (TAPERA) Pada Aplikasi X Menggunakan Metode Naïve Bayes,” J. Tek. Inform. Unika ST. Thomas, vol. 9, no. 1, pp. 2657–1501, 2024, [Online]. Available: https://ejournal.ust.ac.id/index.php/JTIUST/article/view/3911
Imam Riadi, Rusydi Umar, and Rio Anggara, “Prediksi Kelulusan Tepat Waktu Berdasarkan Riwayat Akademik Menggunakan Metode Naïve Bayes,” Decod. J. Pendidik. Teknol. Inf., vol. 4, no. 1, pp. 191–203, 2024, doi: 10.51454/decode.v4i1.308.
D. Ariyanto and F. Rachmadiarti, “Peningkatan Kemampuan Analisis Statistik Menggunakan Aplikasi R Studio Berbasis Open Source Untuk Kebutuhan Penelitian Dosen Di Fakultas Mipa Universitas Negeri Surabaya,” J. Umum Pengabdi. Masy., vol. 3, no. 1, pp. 13–20, 2023, doi: https://doi.org/10.58290/jupemas.v2i1.
I. Nur Amalia, Y. Umaidah, and R. Mayasari, “Penerapan Data Mining Untuk Klasterisasi Daerah Rawan Penyakit Menular Di Kabupaten Karawang Dengan Menggunakan Algoritma K-Means,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 4, pp. 5582–5591, 2024, doi: 10.36040/jati.v8i4.9953.
M. S. Samosir and L. Wati, “Penerapan Naive Bayes Untuk Memprediksi Kelulusan Mahasiswa Rekayasa Perangkat Lunak Politeknik Negeri Bengkalis,” Remik Ris. dan E-Jurnal Manaj. Inform. Komput., vol. 8, no. 3, pp. 838–848, 2024, [Online]. Available: http://doi.org/10.33395/remik.v8i3.13964
A. David Imanuel, N. Nawaningtyas Pusparini, and A. Sani, “Klasifikasi Untuk Memprediksi Tingkat Kelulusan Mahasiswa Stmik Widuri Menggunakan Algoritma Naïve Bayes,” J. Ilm. Inform., vol. 12, no. 01, pp. 1–7, 2024, doi: 10.33884/jif.v12i01.8201.
S. Hartati, N. A. Ramdhan, and H. A. SAN, “Prediksi Kelulusan Mahasiswa Dengan Naïve Bayes Dan Feature Selection Information Gain,” J. Ilm. Intech Inf. Technol. J. UMUS, vol. 4, no. 02, pp. 223–234, 2022, doi: 10.46772/intech.v4i02.889.
A. Pebdika, R. Herdiana, and D. Solihudin, “Klasifikasi Menggunakan Metode Naive Bayes Untuk Menentukan Calon Penerima Pip,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 452–458, 2023, doi: 10.36040/jati.v7i1.6303.
