Implementasi Data Mining untuk Prediksi Mahasiswa Pengambil Mata Kuliah dengan Algoritme Naive Bayes
Kata Kunci:
data mining, Naive Bayes, klasifikasi, akademik, mahasiswaAbstrak
Bagian akademik Fakultas Ilmu Komputer Universitas Brawijaya setiap semester memiliki tugas dalam melakukan penjadwalan dan penentuan mata kuliah yang harus dibuka untuk mahasiswa. Tetapi proses tersebut memiliki permasalahan seperti contohnya kelas yang dibuka terlalu banyak dibanding jumlah siswa yang berminat atau sebaliknya. Sehingga dibutuhkan sistem yang dapat memprediksi mahasiswa pengambil mata kuliah. Salah satu solusinya menggunakan klasifikasi data mining. Berdasarkan atribut dari data mahasiswa yaitu Nilai, IP, IPK, SKS, SKSK dan Semester akan dilakukan proses klasifikasi sehingga menghasilkan prediksi apakah mahasiswa tersebut mengambil mata kuliah tertentu. Hasil klasifikasi dibagi menjadi 2 kelas yaitu ‘Ya' untuk mahasiswa yang diprediksi mengambil dan ‘Tidak' untuk mahasiswa yang diprediksi tidak mengambil. Klasifikasi dilakukan dengan menggunakan algoritme Naive Bayes Classification (NBC). Dataset yang digunakan untuk training adalah data dari tahun 2014 semester ganjil sampai tahun 2015 semester genap. Sementara untuk testing adalah data dari tahun 2016 semester ganjil. Dari hasil prediksi menggunakan 2 mata kuliah sebagai sampel, diperoleh hasil nilai Accuracy untuk mata kuliah Manajemen Hubungan Pelanggan adalah sebesar 85,88% sementara untuk mata kuliah Jaringan Nirkabel adalah sebesar 44,92%. Luaran dari penelitian ini adalah dashboard berbasis web yang menampilkan grafik perbandingan nilai actual dan prediksi dari setiap mata kuliah pada tahun dan semester tertentu.