ALGORITMA NAIVE BAYES UNTUK MENCARI LAMA WAKTU STUDI MAHASISWA (STUDI KASUS : UNIVERSITAS DINAMIKA BANGSA)

Furqan Hakim, Muhammad (2022) ALGORITMA NAIVE BAYES UNTUK MENCARI LAMA WAKTU STUDI MAHASISWA (STUDI KASUS : UNIVERSITAS DINAMIKA BANGSA). Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (144kB)
	Text BAB II.pdf Restricted to Registered users only Download (1MB)
	Text BAB III.pdf Restricted to Registered users only Download (343kB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB V.pdf Download (1MB)
	Text DAFTAR PUSTAKA.pdf Download (127kB)

Abstract

Hasil klasifikasi naïve bayes pada Mahasiswa Sistem Informasi dengan akurasi terbesar diperoleh dengan menggunakan Use Training Set yaitu Correctly Classified Instances 161, Incorrectly Classified Instances 39, dengan persentasi akurasi Correctly Classified Instances sebesar 80,5 %, Incorrectly Classified Instances 19,5%. Hasil dari seleksi atribut menggunakan algoritma Classifier Attribute Evaluation (ClassifierAttributeEval) menghasilkan bahwa atribut yang paling berpengaruh terhadap kecepatan kelulusan adalah IPK. Akurasi pada model dihitung dengan menggunakan confusion matrix, pada awalnya data-data mahasiswa ini mengalami banyak noise hal ini diketahui melalui proses cleaning data, yaitu proses menghilangkan noise pada data dengan menggunakan Microsoft Excel yang penulis buat sendiri rumusnya ,dari data mahasiswa sistem informasi tahun 2017 dan 2018, data noise kebanyakan berasal dari kolom Asal Sekolah dan Jurusan Asal Sekolah yang tidak di inputkan Mahasiswa dengan benar, setelah melakukan data cleaning, maka di dapatkan data untung training, dilakukan data testing.Total keseluruhan akurasi adalah 77,5%, akurasi yang cukup baik dalam menguji kebenaran dari data training. Diharapkan kedepannya penelitian ini menggunakan data mahasiswa lebih banyak lagi serta mencakup prodi lainnya agar memiliki persentasi akurasi yang lebih baik, dan menggunakan proses data cleaning menggunakan tools lainnya.

Actions (login required)

View Item