PENGGUNAAN ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI KELULUSAN MAHASISWA

Abstract

Meningkatkan tingkat kelulusan mahasiswa tepat waktu adalah tantangan besar bagi universitas dan elemen lain yang terlibat. Algoritma Naive Bayes telah terbukti efektif dalam memprediksi kelulusan mahasiswa berdasarkan penelitian sebelumnya. Dalam penelitian ini, algoritma Naive Bayes digunakan untuk menganalisis data historis mahasiswa, seperti nilai akademik dan jumlah mata kuliah yang diambil, guna memprediksi kelulusan mahasiswa. Pengumpulan data dilakukan melalui riset mendalam di internet, menggunakan dataset dari website Kaggle yang mencakup atribut seperti nama, jenis kelamin, status mahasiswa, status menikah, umur, indeks prestasi semester dari semester 1 hingga semester 8, dan jumlah SKS dari semester 1 hingga semester 6. Data diolah menggunakan XAMPP, dan tampilan aplikasi dikembangkan dengan PHP serta JavaScript. Berdasarkan hasil pengujian, model ini menunjukkan hasil yang menjanjikan dengan tingkat akurasi yang memuaskan, memiliki precision 0.7273, recall 0.8, dan F1 Score 0.7619, menunjukkan keseimbangan yang baik antara presisi dan recall. Hasil evaluasi lebih lanjut menunjukkan bahwa model Naive Bayes memiliki akurasi 85%, presisi 83%, recall 82%, dan F1 Score 82.5%. Meskipun terdapat sedikit perbedaan antara prediksi model dan data aktual, hasilnya konsisten dengan penelitian sebelumnya, memperkuat validitas model