PREDIKSI MAHASISWA DROP OUT BERDASARKAN KLASIFIKASI ADMINISTRATIF


Author (Penulis)

INGGIT HASTA WIJAYA
Universitas Nusantara PGRI Kediri

Author Identity (NPM)

12.1.03.03.0263

Abstract

ABSTRAK Penelitian ini dilatar belakangi hasil pengamatan peneliti terhadap masa studi mahasiswa di Prodi Sistem Informasi Fakultas Teknik UN PGRI Kediri. Admin prodi seringkali tidak mengetahui siapa saja mahasiswa yang dalam kegiatan perkuliahan ada beberapa data administratif yang belum dilengkapi. Permasalahannya adalah (1) bagaimana merancang sebuah sistem prediksi dengan menggunakan metode naïve bayes? (2) Bagaimana cara kerja metode naïve bayes?. Penelitian ini menggunakan metode naïve bayes untuk melakukan prediksi pada mahasiswa di Program Studi Sistem Informasi. Hasil dari penelitian ini adalah membuat aplikasi prediksi mahasiswa drop out untuk Program Studi Sistem Informasi dengan mengimplementasikan metode naïve bayes berbasis dekstop. Disamping itu juga, program ini dapat menjadi acuan menerapkan metode naïve bayes sebagai salah satu contoh metode pemecahan masalah dengan membuat aplikasi prediksi mahasiswa drop out berdasarkan klasifikasi administratif untuk Program Studi Sistem Informasi. Berdasarkan simpulan diatas, ada beberapa hal yang perlu direkomendasikan : (1) Dari aplikasi ini, peneliti berharap bahwa hasil dari aplikasi ini bisa menjadi tolak ukur dalam memprediksi mahasiswa drop out di Program Studi Sistem Informasi Fakultas Teknik UN PGRI Kediri. (2) Dapat ditambahkan lebih banyak data supaya program ini dapat diterapkan di program studi lainnya. (3) Dikembangkan lagi agar mahasiswa UN PGRI dapat mengetahui status kemahasiswaan mereka. Kata Kunci : Data Mining, Naïve Bayes, Prediksi, Data Training.

Keyword

Data Mining, Naive Bayes, Prediksi, Data Training

Reference


PUBLISHED

2017-08-22

JOURNAL

Simki-Techsain

ISSN

2599-3011

ISSUE

Vol. 02 No. 01 Tahun 2018

Download PDF

Lembaga Penelitian dan Pengabdian Kepada Masyarakat UN PGRI Kediri.

Jl. KH. Ahmad Dahlan 76 Mojoroto Kota Kediri

Designed by BootstrapMade