Ridwan Zulkifli, Aan Ansen Andryadi, Dila Siti Nurfadhilah, Lita Lestari Utami

PENERAPAN ALGORITMA NAIVE BAYES DALAM MEMPREDIKSI MINAT MAHASISWA BARU

Introduction

Penerapan algoritma naive bayes dalam memprediksi minat mahasiswa baru. Prediksi akurat minat konsentrasi studi mahasiswa baru menggunakan algoritma Naive Bayes. Model berbasis KDD capai akurasi 89% sebagai alat rekomendasi.

Abstract

Penentuan konsentrasi studi mahasiswa baru yang tidak tepat dapat berdampak pada rendahnya motivasi belajar dan meningkatnya risiko perpindahan konsentrasi. Penelitian ini bertujuan memprediksi minat konsentrasi studi mahasiswa baru menggunakan algoritma Naive Bayes. Penelitian dilakukan dengan pendekatan Knowledge Discovery in Database (KDD) yang meliputi pemilihan data, pra-pemrosesan, pembentukan dataset, serta pelatihan dan pengujian model. Data yang digunakan berupa riwayat akademik dan hasil survei preferensi mahasiswa baru tahun akademik 2024/2025 yang telah dianonimkan. Dataset dibagi menjadi 80% data latih dan 20% data uji. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan akurasi sebesar 89% dengan nilai presisi dan recall di atas 85%. Hasil ini menunjukkan bahwa algoritma Naive Bayes efektif digunakan sebagai alat bantu rekomendasi konsentrasi studi mahasiswa baru.

Full Text

Comments

You need to be logged in to post a comment.