PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN PERBANDINGAN ALGORITMA DECISION TREE DAN NAIVE BAYES

• MUHAMMAD ANDY YUSUF
• 2024

---

Kelulusan mahasiswa tepat waktu merupakan indikator penting keberhasilan perguruan tinggi, dan penggunaan teknologi seperti algoritma Decision Tree dan Naïve Bayes dapat membantu memprediksi kelulusan dengan lebih akurat. Penelitian ini bertujuan untuk membandingkan keakuratan dan efisiensi kedua algoritma tersebut dalam memprediksi kelulusan mahasiswa. Data akademik yang diperoleh dari situs publik melalui proses normalisasi dibagi menjadi set pelatihan dan pengujian dengan rasio 80:20, lalu diterapkan pada kedua algoritma. Evaluasi menggunakan metrik akurasi, presisi, dan recall menunjukkan bahwa Naïve Bayes mencapai akurasi lebih tinggi (97.03%) dibandingkan Decision Tree (92.08%), dengan Naïve Bayes unggul dalam efisiensi dan ketepatan, sementara Decision Tree lebih mudah diinterpretasikan. Oleh karena itu, Naïve Bayes disarankan untuk meningkatkan akurasi dan efisiensi prediksi kelulusan di perguruan tinggi.

• Akurasi Algoritma
• Data Mining
• Decision Tree
• Naive Bayes
• Prediksi Kelulusan Mahasiswa

https://repository.bsi.ac.id/repo/51863/PREDIKSI-KELULUSAN-MAHASISWA-MENGGUNAKAN-PERBANDINGAN-ALGORITMA-DECISION-TREE-DAN-NAIVE-BAYES
File full-text dikunci.