Analisis Seleksi Atribut Dalam Memprediksi Kegagalan Skripsi Mahasiswa Menggunakan Algoritme Naïve Bayes pada Jurusan Sistem Informasi Universitas Brawijaya
Data mining dapat diterapkan pada bidang lembaga atau institusi Pendidikan dan sering disebut juga dengan Educational Data Mining (EDM) yaitu sebuah pengembangan metode dalam mengeksplorasi jenis tipe data pendidikan yang bersifat unik yang bertujuan untuk mempelajari dalam memahami kinerja siswa d...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
University of Brawijaya
2023-04-01
|
| Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
| Online Access: | https://jtiik.ub.ac.id/index.php/jtiik/article/view/6426 |
| _version_ | 1797194604876922880 |
|---|---|
| author | Satrio Hadi Wijoyo Satrio Agung Wicaksono Admaja Dwi Herlambang |
| author_facet | Satrio Hadi Wijoyo Satrio Agung Wicaksono Admaja Dwi Herlambang |
| author_sort | Satrio Hadi Wijoyo |
| collection | DOAJ |
| description |
Data mining dapat diterapkan pada bidang lembaga atau institusi Pendidikan dan sering disebut juga dengan Educational Data Mining (EDM) yaitu sebuah pengembangan metode dalam mengeksplorasi jenis tipe data pendidikan yang bersifat unik yang bertujuan untuk mempelajari dalam memahami kinerja siswa dan pengaturan lingkungan di tempat siswa belajar. Data mining juga dapat dimanfaatkan untuk analisa seleksi atribut untuk prediksi kegagalan belajar mahasiswa pada perkuliahan. Salah satunya kegagalan dalam menyelesaikan skripsi dengan menggunakan algoritme naïve bayes. Tahapan penelitian ini dimulai dari pengumpulan data, preproses data, implementasi algoritme naïve bayes, pengujian, dan analisa hasil. Data yang digunakan sebanyak 500 data untuk mahasiswa angkatan 2012-2015 dengan 24 atribut. Akurasi tertinggi yaitu algoritme naive bayes dengan menggunakan data latih yang menunjukkan hasil 412 prediksi benar dengan akurasi sebesar 82.4% dan 88 prediksi salah dengan presentasi sebesar 17.6%. Sedangkan hasil seleksi atribut yang telah dilakukan terdapat Lama P2 merupakan atribut dengan rankinging teratas yang mempengaruhi hasil klasifikasi.
Abstract
Data mining can be applied to the field of educational institutions or institutions and is often referred to as Educational Data Mining (EDM), which is a method development in exploring unique types of educational data types that aim to study in understanding student performance and environmental settings in which students learn. Data mining can also be used to analyze attribute selection for predicting student learning failure in lectures. One of them is the failure in completing the thesis using the naïve Bayes algorithm. The stages of this research started from data collection, data preprocessing, implementation of the Naïve Bayes algorithm, testing, and analysis of the results. The data used is as much as 500 data for students class 2012-2015 with 24 attributes. The highest accuracy is the Naive Bayes algorithm using data training which shows the results of 412 correct predictions with an accuracy of 82.4% and 88 false predictions with a presentation of 17.6%. Meanwhile, the result of attribute selection that has been carried out is that the Old P2 is the attribute with the top ranking that affects the classification results.
|
| first_indexed | 2024-03-12T12:17:45Z |
| format | Article |
| id | doaj.art-9f473dec09e24476870996895c2dafaa |
| institution | Directory Open Access Journal |
| issn | 2355-7699 2528-6579 |
| language | Indonesian |
| last_indexed | 2024-04-24T05:58:56Z |
| publishDate | 2023-04-01 |
| publisher | University of Brawijaya |
| record_format | Article |
| series | Jurnal Teknologi Informasi dan Ilmu Komputer |
| spelling | doaj.art-9f473dec09e24476870996895c2dafaa2024-04-23T08:45:12ZindUniversity of BrawijayaJurnal Teknologi Informasi dan Ilmu Komputer2355-76992528-65792023-04-0110210.25126/jtiik.202310264261108Analisis Seleksi Atribut Dalam Memprediksi Kegagalan Skripsi Mahasiswa Menggunakan Algoritme Naïve Bayes pada Jurusan Sistem Informasi Universitas BrawijayaSatrio Hadi Wijoyo0Satrio Agung Wicaksono1Admaja Dwi Herlambang2Universitas Brawijaya, MalangFakultas Ilmu Komputer UBFakultas Ilmu Komputer UB Data mining dapat diterapkan pada bidang lembaga atau institusi Pendidikan dan sering disebut juga dengan Educational Data Mining (EDM) yaitu sebuah pengembangan metode dalam mengeksplorasi jenis tipe data pendidikan yang bersifat unik yang bertujuan untuk mempelajari dalam memahami kinerja siswa dan pengaturan lingkungan di tempat siswa belajar. Data mining juga dapat dimanfaatkan untuk analisa seleksi atribut untuk prediksi kegagalan belajar mahasiswa pada perkuliahan. Salah satunya kegagalan dalam menyelesaikan skripsi dengan menggunakan algoritme naïve bayes. Tahapan penelitian ini dimulai dari pengumpulan data, preproses data, implementasi algoritme naïve bayes, pengujian, dan analisa hasil. Data yang digunakan sebanyak 500 data untuk mahasiswa angkatan 2012-2015 dengan 24 atribut. Akurasi tertinggi yaitu algoritme naive bayes dengan menggunakan data latih yang menunjukkan hasil 412 prediksi benar dengan akurasi sebesar 82.4% dan 88 prediksi salah dengan presentasi sebesar 17.6%. Sedangkan hasil seleksi atribut yang telah dilakukan terdapat Lama P2 merupakan atribut dengan rankinging teratas yang mempengaruhi hasil klasifikasi. Abstract Data mining can be applied to the field of educational institutions or institutions and is often referred to as Educational Data Mining (EDM), which is a method development in exploring unique types of educational data types that aim to study in understanding student performance and environmental settings in which students learn. Data mining can also be used to analyze attribute selection for predicting student learning failure in lectures. One of them is the failure in completing the thesis using the naïve Bayes algorithm. The stages of this research started from data collection, data preprocessing, implementation of the Naïve Bayes algorithm, testing, and analysis of the results. The data used is as much as 500 data for students class 2012-2015 with 24 attributes. The highest accuracy is the Naive Bayes algorithm using data training which shows the results of 412 correct predictions with an accuracy of 82.4% and 88 false predictions with a presentation of 17.6%. Meanwhile, the result of attribute selection that has been carried out is that the Old P2 is the attribute with the top ranking that affects the classification results. https://jtiik.ub.ac.id/index.php/jtiik/article/view/6426 |
| spellingShingle | Satrio Hadi Wijoyo Satrio Agung Wicaksono Admaja Dwi Herlambang Analisis Seleksi Atribut Dalam Memprediksi Kegagalan Skripsi Mahasiswa Menggunakan Algoritme Naïve Bayes pada Jurusan Sistem Informasi Universitas Brawijaya Jurnal Teknologi Informasi dan Ilmu Komputer |
| title | Analisis Seleksi Atribut Dalam Memprediksi Kegagalan Skripsi Mahasiswa Menggunakan Algoritme Naïve Bayes pada Jurusan Sistem Informasi Universitas Brawijaya |
| title_full | Analisis Seleksi Atribut Dalam Memprediksi Kegagalan Skripsi Mahasiswa Menggunakan Algoritme Naïve Bayes pada Jurusan Sistem Informasi Universitas Brawijaya |
| title_fullStr | Analisis Seleksi Atribut Dalam Memprediksi Kegagalan Skripsi Mahasiswa Menggunakan Algoritme Naïve Bayes pada Jurusan Sistem Informasi Universitas Brawijaya |
| title_full_unstemmed | Analisis Seleksi Atribut Dalam Memprediksi Kegagalan Skripsi Mahasiswa Menggunakan Algoritme Naïve Bayes pada Jurusan Sistem Informasi Universitas Brawijaya |
| title_short | Analisis Seleksi Atribut Dalam Memprediksi Kegagalan Skripsi Mahasiswa Menggunakan Algoritme Naïve Bayes pada Jurusan Sistem Informasi Universitas Brawijaya |
| title_sort | analisis seleksi atribut dalam memprediksi kegagalan skripsi mahasiswa menggunakan algoritme naive bayes pada jurusan sistem informasi universitas brawijaya |
| url | https://jtiik.ub.ac.id/index.php/jtiik/article/view/6426 |
| work_keys_str_mv | AT satriohadiwijoyo analisisseleksiatributdalammemprediksikegagalanskripsimahasiswamenggunakanalgoritmenaivebayespadajurusansisteminformasiuniversitasbrawijaya AT satrioagungwicaksono analisisseleksiatributdalammemprediksikegagalanskripsimahasiswamenggunakanalgoritmenaivebayespadajurusansisteminformasiuniversitasbrawijaya AT admajadwiherlambang analisisseleksiatributdalammemprediksikegagalanskripsimahasiswamenggunakanalgoritmenaivebayespadajurusansisteminformasiuniversitasbrawijaya |