Klasifikasi Daftar Ulang Calon Mahasiswa Baru Dengan Menggunakan Metode Klasifikasi Naive Bayes

Authors

  • Reji Pikriyansah Universitas Jenderal Achmad Yani
  • Fajri Rahmat Umbara Universitas Jenderal Achmad Yani
  • Puspita Nurul Sabrina Universitas Jenderal Achmad Yani

DOI:

https://doi.org/10.36423/index.v4i2.912

Abstract

Registrasi ulang merupakan prosedur yang wajib dilakukan oleh calon mahasiswa yang berkeinginan menjadi mahasiwa aktif dan sudah lulus seleksi. Kebanyakan mahasiswa yang tidak ingin melanjutkan proses registrasi ulang memilih menunggu batas akhir registrasi ulang daripada menghubungi pihak Universitas. Untuk memprediksi calon mahasiwa yang akan melakukan registrasi ulang penellitian ini menggunakan metode Naïve Bayes tehadap dataset calon mahasiwa. Penelitian ini menggunakan dua dataset yang mana merupakan dataset dengan kelas yang tidak seimbang dan dataset dengan kelas yang seimbang yang diseimbangkan menggunakan metode Undersampling, ditambah dengan beberapa skenario klasifikasi dengan melakukan penyeleksian atribut menggunakan metode Mutual information. Hasil akurasi tertinggi yang didapat adalah 63.83% pada dataset dengan kelas yang tidak seimbang dengan menggunakan 14-16 atribut dan 63.53% pada dataset dengan kelas yang seimbang dengan menggunakan 15-16 atribut. Nilai Mutual Information kedua dataset sangatlah rendah yaitu dibawah 0.09. Berdasarkan hasil yang di dapat dari setiap pengujian skenario nilai Mutual Information yang rendah dan rentang nilai yang berdekatan kemungkinan besar mengakibatkan tingkat akurasi menurun setiap dilakukan proses penyeleksian atribut.

References

Supria, Lidyawati, and S. Mawarni, “Sistem Prediksi Pengunduran Diri Calon Mahasiswa Baru Menggunakan Algoritma C45,” 2018.

S. P. Barus, “Implementation of Naïve Bayes Classifier-based Machine Learning to Predict and Classify New Students at Matana University,” in Journal of Physics: Conference Series, Mar. 2021, vol. 1842, no. 1. doi: 10.1088/1742-6596/1842/1/012008.

S. Andie, M. Kom, and Kom, “PENERAPAN DECISION TREE UNTUK MENGANALISIS KEMUNGKINAN PENGUNDURAN DIRI CALON MAHASISWA BARU,” 2016.

N. Yahya and A. Jananto, KOMPARASI KINERJA ALGORITMA C.45 DAN NAIVE BAYES UNTUK PREDIKSI KEGIATAN PENERIMAAN MAHASISWA BARU (STUDI KASUS : UNIVERSITAS STIKUBANK SEMARANG). 2019.

A. Kesumawati, “Implementation Naïve Bayes Algorithm for Student Classification Based on Graduation Status,” vol. 1, no. 2, pp. 6–12, 2017, [Online]. Available: http://pubs.ascee.org/index.php/ijabis|E:info@ascee.org

A. Weni Syafputri, E. Irwandi, and Mustakim, “Naive Bayes Algorithm for Classification of Student Major’s Specialization,” Journal of Intelligent Computing and Health Informatics, vol. 1, no. 1, pp. 18–22, 2020, [Online]. Available: https://jurnal.unimus.ac.id/index.php/ichi

A. P. Wibawa et al., “Naïve Bayes Classifier for Journal Quartile Classification,” International Journal of Recent Contributions from Engineering, Science & IT (iJES), vol. 7, no. 2, p. 91, Jun. 2019, doi: 10.3991/ijes.v7i2.10659.

C. Chotimah, “Penerapan Metode Mutual Information Dan Bayes Network Untuk Klasifikasi Penyelesaian Studi,” MJR ICT : Musamus Journal Of Research Information and Communication Technology, vol. 2, no. 1, pp. 26–34, 2019, [Online]. Available: https://ejournal.unmus.ac.id/index.php/mjrict

A. Hisham, A. Ahmed, M. Khaled, N. Abdullatif, and S. Kassem, “Modelling of Crime Record Management System Using Unified Modeling Language,” Ingenierie des Systemes d’Information, vol. 26, no. 4, pp. 365–373, Aug. 2021, doi: 10.18280/ISI.260404.

F. M. Mwakondo, “Modeling a Competence-based Industry Role Selection System for University Graduates Using Machine Learning,” Multidisciplinary Journal of Technical University of Mombasa, vol. 1, no. 1, pp. 15–25, Nov. 2020, doi: 10.48039/mjtum.v1i1.11.

I. Bagus, A. Peling, N. Arnawan, I. Putu, A. Arthawan, and I. Janardana, “Implementation of Data Mining To Predict Period of Students Study Using Naive Bayes Algorithm,” 2017.

R. A. Ibrahem Alhayali, M. A. Ahmed, Y. M. Mohialden, and A. H. Ali, “Efficient method for breast cancer classification based on ensemble hoffeding tree and naïve Bayes,” Indonesian Journal of Electrical Engineering and Computer Science, vol. 18, no. 2, pp. 1074–1080, 2020, doi: 10.11591/ijeecs.v18.i2.pp1074-1080.

R. Saptono, “Online News Classification Using Naive Bayes Classifier with Mutual Information for Feature Selection Healthcare Analytic for Smart Healthcare View project Application for Software Size Estimation View project,” 2017, doi: 10.20961/its.v6i1.11114.

I. Widhi Saputro and B. Wulan Sari, “Uji Performa Algoritma Naïve Bayes untuk Prediksi Masa Studi Mahasiswa Naïve Bayes Algorithm Performance Test for Student Study Prediction,” Citec Journal, vol. 6, no. 1, 2019.

A. Y. Triyanto and R. Kusumaningrum, “Implementasi Teknik Sampling untuk Mengatasi Imbalanced Data pada Penentuan Status Gizi Balita dengan Menggunakan Learning Vector Quantization Implementation of Sampling Techniques for Solving Imbalanced Data Problem in Determination of Toddler Nutritional Status using Learning Vector Quantization,” vol. 19, pp. 39–50, 2017.

S. A. Nazeer, “Design of Strategic Management System for Northern Border University using Unified Modeling Language,” 2018. [Online]. Available: www.ijacsa.thesai.org

Downloads

Published

2023-05-06