Abstract
One way to improve quality in universities is through accreditation. One of the accreditation criteria is the student. Student’s performance must be monitored and evaluated. Regarding the study duration, the undergraduate bachelor’s degree programs typically takes four years to complete. It is important for the university staff to quickly identify which students are less likely to finish the degree on time. Therefore, it is necessary to predict the length of study for each student. The goal of this research is to predict study duration by building Decision Tree-based classifier model using NBTree algorithm. Then, an application is built by applying the classification model. Data used in this research are the grades and academic leave. Result shows that the Naïve Bayes Decision Tree classification model could predict study duration with the accuracy of 73.45%.
Highlights
Program Studi merupakan garda terdepan dalam penyelenggaraan pendidikan dari sebuah Perguruan Tinggi, sehingga program studi senantiasa melakukan evaluasi guna meningkatkan mutu dan efisiensi perguruan tinggi termasuk peningkatan kualitas lulusan
One way to improve quality in universities is through accreditation
The undergraduate bachelor’s degree programs typically takes four years to complete. It is important for the university staff to quickly identify which students are less likely to finish the degree on time
Summary
Program Studi merupakan garda terdepan dalam penyelenggaraan pendidikan dari sebuah Perguruan Tinggi, sehingga program studi senantiasa melakukan evaluasi guna meningkatkan mutu dan efisiensi perguruan tinggi termasuk peningkatan kualitas lulusan. Sehingga penting bagi program studi untuk mengetahui mahasiswa mana saja yang memiliki kemungkinan lulus tidak tepat waktu agar dapat diberikan penanganan lebih lanjut. Selama ini program studi kesulitan untuk mengetahui mahasiswa mana saja yang memiliki kemungkinan lulus tidak tepat waktu. Hal ini akan mengakibatkan program studi kesulitan untuk mengusahakan agar mahasiswa tersebut dapat lulus tepat waktu. Salah satu cara untuk dapat memprediksi lama studi mahasiswa adalah dengan membangun model klasifikasi. Selama ini STMIK Indonesia belum memiliki model klasifikasi lama studi mahasiswa yang dapat digunakan sebagai prediksi jumlah lulus tepat waktu. Pada proses mengklasifikasi data yang tidak diketahui, nilai atribut akan diuji dengan cara melacak jalur dari node akar (root) sampai node akhir (daun) dan kemudian akan diprediksi kelas yang dimiliki oleh suatu data baru tertentu. Hal ini untuk menghindari terjadinya pembagian dengan nilai yang kecil. (Kohavi, 1996)
Sign-in/Register to view highlights & summary 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 callDisclaimer: 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.
