Aplikasi Pemrediksi Masa Studi dan Predikat Kelulusan Mahasiswa Informatika Universitas Muhammadiyah Surakarta Menggunakan Metode Naive Bayes

Muhammad Amin Nurrohmat(1*),

(1) Informatika UMS
(*) Corresponding Author
DOI: https://doi.org/10.23917/khif.v1i1.1179

Abstract

Informatika merupakan salah satu program studi di Universitas Muhammadiyah Surakarta yang memiliki data mahasiswa cukup besar baik data mahasiswa aktif maupun mahasiswa yang sudah lulus. Setiap tahun data tersebut semakin bertambah banyak. Di sisi lain, data yang dimiliki tersebut jika tidak dikelola dengan baik, maka hanya akan menjadi tumpukan data yang tidak bermanfaat, sehingga informasi yang dihasilkan juga tidak banyak. Salah satu cara untuk mengatasi masalah ini adalah data tersebut diubah menjadi sebuah informasi yang bersifat strategis. Oleh karena itu, tujuan penelitian ini adalah membuat suatu aplikasi untuk melakukan prediksi terhadap lama studi dan predikat kelulusan mahasiswa dengan menerapkan teknik data mining. Metode aplikasi yang digunakan dalam data mining untuk prediksi adalah algoritma naïve bayes. Hal ini digunakan untuk menganalisis data, terutama dalam proses pengenalan pola, memprediksi masa studi dan predikat kelulusan. Setelah pengolahan data, aplikasi akan menampilkan laporan serta laporan ringkasan. Hasil penelitian menunjukkan bahwa aplikasi dapat digunakan untuk membantu program studi informatika dalam rangka menemukan informasi strategis terkait dengan lama studi dan predikat kelulusan mahasiswa.

Full Text:

PDF

References

Ayub, Mewati, “Proses Data Mining dalam Sistem Pembelajaran Berbantuan Komputer”, Jurnal Sistem Informasi Vol. 2 No. 1 Maret 2007 : 21-30

Nugroho, Yusuf Sulistyo, dan Setyawan., “Klasifikasi Masa Studi Mahasiswa Fakultas Komunikasi dan Informatika”, Jurnal Komunikasi dan Teknologi Informasi (KomuniTi), Volume VI No. I Maret 2014.

UMS, “Panduan Akademik Fakultas Komunikasi dan Informatika UMS 2014/2015”, Universitas Muhammadiyah Surakarta., Surakarta, 2014

Bustami, “Penerapan Algoritma Naive Bayes untuk Mengklasifikasi Data Nasabah Asuransi”,. Jurnal Penelitian Teknik Informatika, 2013

Article Metrics

Abstract view(s): 1861 time(s)
PDF: 1340 time(s)

Refbacks

  • There are currently no refbacks.