SISTEM EVALUASI DAN KLASIFIKASI KINERJA AKADEMIK MAHASISWA UNIVERSITAS MADURA MENGGUNAKAN NAIVE BAYES DENGAN DIRICHLET SMOOTHING

Erwin Prasetyowati, Nilam Ramadhani

Abstract


Pengawasan terhadap kinerja akademik mahasiswa sebagai bentuk peningkatan mutu harus dilakukan secara tersistem dan terintegrasi. Namun pengawasan tersebut akan lebih efektif jika dilakukan secara periodik, yaitu pada tahun kedua dan keeempat dengan maksud pihak akademik dapat mengetahui perkembangan pencapaian belajar masing-masing mahasiswa dengan cepat, sehingga peringatan atau tindakan yang akan diberikan pada mahasiswa dan evaluasi terhadap seluruh aktivitas akademis dapat segera dilakukan. Penelitian ini bertujuan mengklasifikasikan kinerja mahasiswa melalui IPK dan jumlah SKS yang belum diselesaikan selama masa studinya. Klasifikasi dilakukan pada tahun kedua dan tahun keempat masa studi. Pada tahun kedua, klasifikasi dibagi menjadi tiga status yaitu Normal, Bermasalah dan Peringatan dengan ditentukan melalui standar nilai yang ditentukan. Pada tahun keempat klasifikasi dibagi menjadi dua kelompok, yaitu kelompok Lulus dan Drop Out. Proses klasifikasi yang dilakukan pada tahun keempat, menggunakan algoritma Naïve Bayes yang terbukti memiliki tingkat keakurasian yang tinggi dengan metode maximum likehood atau berdasarkan kemiripan tertinggi dari data yang diolah. Pada proses penghitungan Naïve Bayes terdapat sedikit keraguan apabila ada peluang yang bernilai 0. Oleh karena itu untuk memaksimalkan performa dari Naïve Bayes dalam klasifikasi ini, maka digunakan Dirichlet Smoothing. Berdasarkan hasil pengujian terhadap 200 data uji maka didapatkan nilai akurasi mencapai 91.50%, nilai precision sebesar 88.78% dan nilai recall adalah 95%. Dengan demikian dapat diketahui bahwa data memiliki nilai yang konsisten.


Full Text:

PDF

References


M. Ridwan, H. Suyono dan M. Sarosa, “Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier”, Jurnal EECCIS. Vol. 7, No. 1, Hal. 59-64, Juni 2013.

B.Santosa, Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis, Graha Ilmu: Yogyakarta, 2007.

M.S. Suhatinah, dan Ernastuti, “Graduation Prediction of Gunadarma University Students Using Naive Bayes Algorithm and C4.5 Algorithm”, 2010. Tersedia: http://papers.gunadarma.ac.id/files/journals/3/articles/816/public /816-2182-1-PB.pdf/.

E.P.I. Garcia dan P.M. Mora, “Model Prediction of Academic Performance for First Year Students”, dalam IEEE, Mexico, 26 November – 4 Oktober 2011.

Md.H.I. Shovon dan M. Haque, “Prediction of Student Academic Performance by an Application of K-Means Clustering Algorithm”, IJARCSSE, Vol. 2, Issue 7, Hal. 353-355, Juli 2012.

D. Kabakchieva, “Student Performance Prediction by Using Data Mining Classification Algorithms”, IJCSMR, Vol. 1, Issue 4, Hal. 686-690, November 2012.

Y. S. Nugroho, “Data Mining Menggunakan Algoritma Naïve Bayes Untuk Klasifikasi Kelulusan Mahasiswa Universitas Dian Nuswantoro”, 2014. Tersedia: http://eprints.dinus.ac.id/5542/1/13789.pdf.

J. Han, dan M.Kamber, Data Mining: Concepts and Techniques, Second Edition. The Morgan Kaufmann: San Fransisco, 2006.

E. Turban, J.E. Aronson dan T.P. Liang, Decision Support System and Intelligent Systems - 7th ed. Pearson Education, Inc. 2005.

E. Prsetyowati dan A.A. Rofiq, “Penilaian Kinerja Keuangan Koperasi Pada Dinas Koperasi Dan Umkm Pamekasan Dengan K-Means”, Jurnal Simantec, Vol. 5, No. 2, Hal. 67-74, Juni 2016.

E. Prasetyo, Data Mining Konsep Dan Aplikasi Menggunakan Matlab, Andi: Yogyakarta, 2012.

D.T. Larose, Discovering Knowledge in Data: An Introduction to Data Mining, John Willey & Sons, Inc, 2005.

Q. Yuan, G. Cong dan N. M. Thalmann. “Enhancing Naive Bayes With Various Smoothing Methods For Short Text Classification”, dalam International Conference on World Wide Web, France, hal. 645-646, 16-20 April 2012.

B. Said dan Y.M. Pranoto, “Klasifikasi Data Sms Center Bupati Pamekasan Menggunakan Naïve Bayes Dengan Mad Smoothing”, dalam IdeaTech, STTS Surabaya, 2015, hal. 92-99.

E. Prasetyowati, “Implementasi Dirichlet Smoothing Pada Naïve Bayes Untuk Klasifikasi Kinerja Akademik Mahasiswa Universitas Madura”, dalam SENSEI, Universitas Muhammadiyah Jember, hal. 171-178, 4 Oktober 2017.




DOI: http://dx.doi.org/10.12962/j24068535.v16i2.a688

Refbacks

  • There are currently no refbacks.


Free counters!
Creative Commons License
JUTI (Jurnal Ilmiah Teknologi Informasi) by Department of Informatics, ITS is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. JUTI is accordance with CC BY-SA.