PENERAPAN METODE NAIVE BAYES PADA PENGELOMPOKAN MAHASISWA POTENSIAL DROP OUT

 (*)Devi Devi Mail (Sekolah Tinggi Manajemen Informatika dan Komputer - TIME, Indonesia)
 Hendri Hendri (STMIK - TIME, Indonesia)

(*) Corresponding Author

Abstract

Perguruan tinggi adalah salah satu institusi yang sudah pasti memiliki data yang tidak kecil jumlahnya. Database perguruan tinggi menyimpan data akademik, administrasi dan data mahasiswa. Data tersebut apabila digali dengan tepat maka dapat diketahui pola atau pengetahuan untuk mengambil keputusan. Salah satu data yang dapat digali adalah pemahaman informasi mahasiswa yang potensial drop out. Hal ini penting untuk diketahui dan dipahami. Pemahaman dapat dilakukan dengan mengungkapkan pengetahuan yang dimiliki untuk memahami dan mengelompokkannya. Pencegahan kegagalan adalah sangat penting bagi managemen perguruan tinggi. Ukuran keberhasilan atau prestasi mahasiswa dapat dilihat dari Indeks Prestasi (IP) yang mencerminkan seluruh nilai yang diperoleh mahasiswa sampai semester yang sedang berjalan.  Dengan bantuan teknik penggalian data (data mining), seperti algoritma naïve bayes, yang memungkinkan untuk menemukan karakteristik-karakteristik dari nilai prestasi mahasiswa dan menggunakan karakteristik mereka. Algoritma naïve bayes yang baik idealnya menghasilkan kelompok yang berbeda, meskipun dalam praktek pemisahan yang sempurna biasanya tidak bisa dicapai.

Full Text:

PDF


Article Metrics

Abstract view : 510 times
PDF - 302 times

References

A.S Rosa dan Salahuddin M, 2011. Modul Pembelajaran Rekayasa Perangkat Lunak (Terstruktur dan Berorientasi Objek), Modula, Bandung.

Nazruddin Safaat H. 2012 (Edisi Revisi). Pemograman Aplikasi Mobile Smartphone dan Tablet PC Berbasis Android. Informatika. Bandung

T. Sutojo, S.Si., M.Kom., Edy Mulyanto, S.Si., M.Kom., Dr. Vincent Suhartono,2011, Kecerdasaan Buatan, , Yogyakarta, Andi

Gorunescu, F. 2011. Data Mining Concept Model and Techniques. Berlin: Springer. ISBN 978-3-642-19720-8

Xhemali, D., Hinde, C.J. & Stone, R.G. 2009. Naive Bayes vs. Decision Trees vs. Neural Networks in the Classification of Training Web Pages. International Journal of Computer Science Issues 4(1): 16-23.

Subbalakshmi, N.K., et al. 2011. Immediate Effect Of ‘Nadi-Shodhana Pranayama’ On some Selected Parameters Of Cardiovascular, Pulmonary, And Higher Function Of Brain. Thai Journal Of Physiological Sciences. Vol 18 (2), 10-16.

Bila bermanfaat silahkan share artikel ini

Berikan Komentar Anda terhadap artikel PENERAPAN METODE NAIVE BAYES PADA PENGELOMPOKAN MAHASISWA POTENSIAL DROP OUT

Refbacks

  • There are currently no refbacks.


Copyright (c) 2017 Majalah Ilmiah INTI (Informasi dan Teknologi Ilmiah)




Jurnal INFORMASI DAN TEKNOLOGI ILMIAH (INTI)
P3M STMIK Budi Darma
Sekretariat : Jln. Sisingamangaraja No. 338 
Email : ejurnal.stmikbudidarma@gmail.com

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License