Implementasi Data Mining Untuk Memprediksi Kelulusan Mahasiswa Fakultas Komunikasi dan Informatika UMS Menggunakan Metode Naive Bayes

• मुख्य लेखकों: Mauriza, Ahmad Fikri (लेखक), , Yusuf Sulistyo Nugroho, S.T., M.Eng (लेखक)
• स्वरूप: पुस्तक
• प्रकाशित: 2014.
• विषय: Thesis; NonPeerReviewed
• ऑनलाइन पहुंच: Connect to this object online
• Notes: https://eprints.ums.ac.id/28225/12/NASKAH_PUBLIKASI_ILMIAH.pdf; https://eprints.ums.ac.id/28225/1/HALAMAN_DEPAN.pdf; https://eprints.ums.ac.id/28225/2/BAB_I.pdf; https://eprints.ums.ac.id/28225/3/BAB_II.pdf; https://eprints.ums.ac.id/28225/4/BAB_III.pdf; https://eprints.ums.ac.id/28225/7/BAB_IV.pdf; https://eprints.ums.ac.id/28225/8/BAB_V.pdf; https://eprints.ums.ac.id/28225/9/DAFTAR_PUSTAKA.pdf; https://eprints.ums.ac.id/28225/10/LAMPIRAN.pdf
• Keywords: QA76 Computer software

Fakultas Komunikasi dan Informatika Universitas Muhammadiyah Surakarta memiliki jumlah 2358 mahasiswa dengan jumlah lulusan 388 mahasiswa, Dengan bertambah pesatnya jumlah mahasiswa baru setiap tahunnya dengan demikian secara otomatis akan terciptanya data-data yang sangat banyak dan akan menambah melimpahnya data yang tersimpan tapi minim informasi. Agar data yang awalnya tidak terpakai tersebut dapat diubah menjadi suatu informasi data yang sangat bermanfaat dengan menggunakan teknik data mining. Salah satunya dapat untuk memprediksi lama studi mahasiswa apakah dapat lulus kurang dari 4 tahun atau lebih dari 4 tahun dengan berdasarkan atribut-atribut yang digunakan. Metode Naive Bayes digunakan untuk menganalisis data dalam pengenalan pola dan memprediksi kelulusan mahasiswa. Data yang diperlukan yaitu data-data mahasiswa yang sudah lulus sebagai data training sedangkan data-data mahasiswa yang masih menempuh studi kuliah sebagai data uji. Dengan adanya penelitian ini dapat memberikan informasi yang berguna sehingga dapat meningkatkan kualitas atau dijadikan suatu acuan bagi mahasiswa untuk memprediksi kelulusan dengan tepat waktu. Berdasarkan hasil prediksi dari jumlah 342 data sampel yang diuji hanya 86 mahasiswa yang akan lulus tepat waktu atau hanya sekitar 25,15 %, sedangkan mahasiswa yang akan lulus terlambat berjumlah 256 mahasiswa mencapai 74,85% dari jumlah data sampel.