Abstract
Banyaknya mahasiswa yang lulus tepat waktu merupakan indikator penting yang harus diperhatikan mengingat hal tersebut termasuk ke dalam standar penjaminan mutu internal suatu perguruan tinggi dan dapat bermanfaat bagi mahasiswa itu sendiri ketika masuk dunia kerja. Untuk memprediksi tingkat kelulusan dapat memanfaatkan teknik data mining dengan fungsi klasifikasi yang mana contoh algoritmanya yaitu Naïve Bayes, kNN (K-Nearest Neighbour), C4.5, dan SVM (Support Vector Machine). Dengan banyaknya algoritma yang dapat digunakan inilah penting untuk mengetahui algoritma mana yang paling efektif dalam mengklasifikasikan data sesuai kasus yang diteliti. Sehingga pada penelitian ini akan dilakukan perbandingan algoritma klasifikasi dalam hal ini yaitu Naïve Bayes dan C4.5 dan dari proses analisis yang telah dilakukan dapat ditarik kesimpulan bahwa algoritma C4.5 merupakan algoritma yang lebih efektif digunakan untuk memprediksi kelulusan mahasiswa dibandingkan Naïve Bayes dengan nilai akurasi sebesar 76,23%, presisi sebesar 50,00%. recall sebesar 19,05%, error sebesar 23,77% dan nilai AUC sebesar 0,669.
Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callSimilar Papers
More From: JISTECH: Journal of Information Science and Technology
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
