M. A Danang Adi Saputra (2015) Penerapan Naive Bayes Classifier untuk Prediksi Ketepatan Waktu Lulus Mahasiswa (Studi Kasus di Fakultas Sains dan Teknologi Universitas Airlangga). Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL .pdf Download (308kB)
	Text (ABSTRAK) 2. ABSTRAK.pdf Download (155kB)
	Text (DAFTAR ISI) 3. DAFTAR ISI.pdf Download (238kB)
	Text (BAB I PENDAHULUAN) 4. BAB I PENDAHULUAN.pdf Download (157kB)
	Text (BAB II TINJAUAN PUSTAKA) 5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only until 16 January 2023. Download (221kB) | Request a copy
	Text (BAB III METODE PENELITIAN) 6. BAB III METODE PENELITIAN.pdf Restricted to Registered users only until 16 January 2023. Download (191kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) 7. BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Registered users only until 16 January 2023. Download (976kB) | Request a copy
	Text (BAB V KESIMPULAN DAN SARAN) 8. BAB V KESIMPULAN DAN SARAN .pdf Restricted to Registered users only until 16 January 2023. Download (147kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9. DAFTAR PUSTAKA.pdf Download (117kB)
	Text (LAMPIRAN) 10. LAMPIRAN.pdf Restricted to Registered users only until 16 January 2023. Download (260kB) | Request a copy

Abstract

Penelitian ini menerapkan metode Naïve Bayes Classifier untuk memprediksi ketepatan waktu lulus mahasiswa di Fakultas Sains dan Teknologi yang bertujuan membantu proses evaluasi akademik dari mahasiswa yang sedang menempuh studi untuk memenuhi standar mutu yang diberikan oleh Badan Akreditasi Nasional Perguruan Tinggi dan pengambilan langkah preventif maupun represif terhadap mahasiswa. Penerapan metode Naïve Bayes Classifier untuk memprediksi ketepatan waktu lulus mahasiswa melalui beberapa tahap. Tahap pertama adalah pengumpulan data sebagai classifier program. Tahap selanjutnya adalah pengolahan data, mulai dari data preprocessing dengan membersihkan data outlier dan data yang tidak valid yang menghasilkan data sejumlah 7.924 record, pengelompokan atribut data, penghitungan korelasi data untuk menemukan kelompok atribut yang independen, dan pembagian data menjadi data training sebanyak 70% dan data testing 30% dari total data. Tahap terakhir adalah perancangan sistem menggunakan sysflow serta pembangunan sistem berbasis desktop dan pengujian sistem. Hasil penelitian berupa sistem yang memprediksi data mahasiswa melalui proses Naïve Bayes Classifier menggunakan 3518 data testing berdasarkan classifier yang didapat dari data training. Hasil akurasi didapat dari penghitungan confusion matrix sebesar 65.64 % . Hasil akurasi rendah disebabkan oleh beberapa atribut memiliki nilai probabilitas sama.

Actions (login required)

View Item