PREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA MENGGUNAKAN METODE NAIVE BAYES CLASSIFICATION DAN K-NEARST NEIGGHBORS (STUDI KASUS : STIKES PROGRAM STUDI D3 TENOLOGI LABORATORIUM MEDIK STIKES GUNA BANGSA)
Mutu perguruan tinggi dapat dilihat dari tingkat kelulusan mahasiswa tepat waktu.Prediksi kelulusan mahasiswa ini dapat digunakan sebagai salah satu penunjangkeputusan evaluasi kinerja mahasiswa. Saat ini, program studi (prodi) D3Teknologi Laboratorium Medik STIKES Guna Bangsa Yogyakarta belum memil...
Saved in:
| Main Authors: | , |
|---|---|
| Language: | Indonesian |
| Published: |
UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)
2022
|
| Subjects: | |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Mutu perguruan tinggi dapat dilihat dari tingkat kelulusan mahasiswa tepat waktu.Prediksi kelulusan mahasiswa ini dapat digunakan sebagai salah satu penunjangkeputusan evaluasi kinerja mahasiswa. Saat ini, program studi (prodi) D3Teknologi Laboratorium Medik STIKES Guna Bangsa Yogyakarta belum memilikitools untuk memprediksi tingkat ketepatan waktu lulus mahasiswa tersebut. Tujuanpenelitian itu yaitu mengevaluasi penerapan algoritma Naive Bayes Classificationdan K-Nearest NEIGHBORS dalam pemodelan prediksi ketepatan waktu lulusmahasiswa dengan mengukur akurasi hasil prediksi menggunakan teknik skenariouji n-Folds Cross Validation. Penelitian ini menggunakan data akademik berupasampel data mahasiswa program studi D3 Teknologi Laboratorium Medik TahunAkademik (TA) 2015/2016 sampai dengan 2018/2019. Penelitian ini menggunakanpendekatan ekperimen (Experimental) dengan membandingkan metode algoritmaNaive Bayes Classification dengan K-Nearest NEIGHBORS. Pelatihan danpengujian sistem dilakukan dengan metode 5-fold Cross Validation denganmengukur hasil akurasi, presisi dan recall. Hasil penelitian menunjukkan bahwaprediksi dengan Naive Bayes Classification pada kasus ini dengan tingkatperformance yaitu akurasi sebesar 96,11 % dengan tingkat presisi sebesar 82,11%dan Recall sebesar 100,00% dan prediksi dengan menggunakan algoritma KNNyaitu akurasi sebesar 97,68% dengan tingkat presisi sebesar 100,00% dan Recallxiiisebesar 86,11%. Dengan demikian, KNN merupakan algoritma dengan tingkatakrasi lebih baik untuk menyelesaikan kasus prediksi ketepatan waktu lulusmahasiswa Program Studi D3 Teknologi Laboratorium Medik STIKES GunaBangsa Yogyakarta.Kata Kunci: Prediksi ketepatan waktu lulus mahasiswa, Naive BayesClassification, K-Nearest Neighbors, n-Folds Cross Validation |
|---|