Penerapan Algoritma KNN, Naive Bayes Dan C4.5 Dalam Memprediksi Kelulusan Mahasiswa

Embun Fajar Wati; Biktra Rudianto

doi:10.22441/format.2022.v11.i2.009

Authors

Embun Fajar Wati Universitas Bina Sarana Informatika
Biktra Rudianto Universitas Nusa Mandiri

DOI:

https://doi.org/10.22441/format.2022.v11.i2.009

Keywords:

Kelulusan, Mahasiswa, KNN, Naive bayes, C4.5

Abstract

Seleksi penerimaan mahasiswa baru berfungsi untuk mendapatkan mahasiswa yang berkualitas. Kualitas mahasiswa dapat diukur dengan masa pendidikan di perguruan tinggi. Lulusan yang tepat waktu yang mempunyai predikat mahasiswa berkualitas. Jumlah kelulusan mahasiswa sangat mempengaruhi penilaian akreditasi bagi suatu perguruan tinggi. Banyak faktor yang sangat berpengaruh terhadap ketepatan waktu kelulusan bagi mahasiswa seperti, jenis kelamin, umur, status pernikahan, IPK, dan status pekerjaan. Kelima faktor inilah yang akan dijadikan variabel input dalam menentukan klasifikasi kelulusan mahasiswa. Variabel-variabel tersebut akan diolah dengan algoritma KNN (K-Nearest Neighbor), Naive Baye, C4.5. Data mahasiswa diseleksi sebanyak 300 mahasiswa. Data preprocessing menggunakan data mahasiswa yang terdiri dari data pribadi (jenis kelamin, umur, status pernikahan, dan status pekerjaan) dan data akademik (IPK). Berdasarkan data kelulusan, 203 siswa lulus tepat waktu dan 97 siswa lulus terlambat.Setelah dilakukan transformasi, keseluruhan data dapat digunakan karena tidak ada nilai yang kosong. Data yang diubah adalah umur (muda : 19 - 24, tua : 25 - 50) dan IPK (besar : 3 - 4, kecil : 1 - 2.9). Hasil confusion matrix, menunjukkan bahwa Naive Bayes mempunyai accuracy 100.00% dan AUC 1.000 lebih tinggi dibandingkan dengan C4.5 dan KNN. Sehingga algoritma Naive Bayes mempunyai kinerja yang lebih baik dibandingkan dengan KNN dan C4.5.

Downloads

Download data is not yet available.

References

S. P. Nabila, N. Ulinnuha, and A. Yusuf, “MODEL PREDIKSI KELULUSAN TEPAT WAKTU DENGAN METODE FUZZY C-MEANS DAN K-NEAREST NEIGHBORS MENGGUNAKAN DATA REGISTRASI MAHASISWA,” J. Ilm. NERO, vol. 6, no. 1, pp. 38–46, 2021.

I. Maulidah, T. T. W, and Q. A’yun, “Perbandingan Algoritma K-Nearest Neighbor (K-Nn) Dan Id3 Untuk Prediksi Kelulusan Mahasiswa Fakultas Teknik Universitas Muhammadiyah Jember,” J. Smart Teknol., vol. 3, no. 4, pp. 374–381, 2022.

R. H. Sukarna and Y. Ansori, “IMPLEMENTASI DATA MINING MENGGUNAKAN METODE NAIVE BAYES DENGAN FEATURE SELECTION UNTUK PREDIKSI KELULUSAN MAHASISWA TEPAT WAKTU,” J. Ilm. Sains dan Teknol., vol. 6, no. 1, pp. 50–61, 2022.

M. N. YATIMAH, “Implementasi Data Mining untuk Prediksi Kelulusan Tepat Waktu Mahasiswa STIMIK ESQ Menggunakan Decision Tree C4.5,” JUMANJI, vol. 5, no. 2, pp. 89–98, 2021.

F. A. Ma’ruf, A. Pratama, I. Sholihin, A. R. Rinaldi, and Faturrhohman, “Penerapan Model Prediksi Menggunakan Algoritma C.45 Untuk Prediksi Kelulusan Siswa SMK Wahidin,” J. DATA Sci. Inform., vol. 1, no. 1, pp. 16–20, 2021.

L. Y. L. Gaol, M. Safii, and D. Suhendro, “Prediksi Kelulusan Mahasiswa Stikom Tunas Bangsa Prodi Sistem Informasi Dengan Menggunakan Algoritma C4.5,” BRAHMANA J. Penerapan Kecerdasan Buatan, vol. 2, no. 2, pp. 97–106, 2021.

E. P. Rohmawan, “PREDIKSI KELULUSAN MAHASISWA TEPAT WAKTU MENGGUNAKAN METODE DESICION TREE DAN ARTIFICIAL NEURAL NETWORK,” J. Ilm. MATRIK, vol. 20, no. 1, pp. 21–30, 2018.

S. D. Anggita and Ikmah, “IMPLEMENTASI PSO UNTUK OPTIMASI BOBOT ATRIBUT PADA ALGORITMA C4.5 DALAM PREDIKSI KELULUSAN MAHASISWA,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 6, no. 2, pp. 416–423, 2021.

Hozairi, Anwar, and S. Alim, “IMPLEMENTASI ORANGE DATA MINING UNTUK KLASIFIKASI KELULUSAN MAHASISWA DENGAN MODEL K-NEAREST NEIGHBOR, DECISION TREE SERTA NAIVE BAYES,” J. Ilm. NERO, vol. 6, no. 2, pp. 133–144, 2021.

A. Rohman and S. Mujiyono, “Permodelan Prediksi Predikat Kelulusan Mahasiswa Menggunakan Decision Tree C4.5,” J. Prodi Tek. Inform. UNW Multimatrix, vol. 3, no. 2, pp. 1–5, 2021.

N. M. Suhaimi, “Review on Predicting Students’ Graduation Time Using Machine Learning Algorithms,” I.J. Mod. Educ. Comput. Sci., vol. 7, pp. 1–13, 2019.

D. A. Wulandari, B. N. Sari, and T. N. Padilah, “Prediction of Student Graduation Accuracy Using C45 Algorithm (Case Study: Fasilkom Unsika),” SYSTEMATICS, vol. 4, no. 1, pp. 372–381, 2022.

D. Nugraheny and A. S. Honggowibowo, “Analysis of the Validity of Determination of Graduation Predicate Based on Student Individual Data at Institut Teknologi Dirgantara Adisutjipto (ITDA),” J. Multidisiplin Madani, vol. 2, no. 3, pp. 1067–1082, 2022.

N. Ramsari and A. R. Firmansyah, “SISTEM PENDUKUNG KEPUTUSAN UNTUK MENINGKATKAN MUTU KINERJA PROGRAM STUDI MELALUI PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES BERBASIS FRAMEWORK LARAVEL (STUDI KASUS : FAKULTAS ILMU KOMPUTER DAN INFORMATIKA UNIVERSITAS NURTANIO BANDUNG),” J. Inform. Teknol. dan Sains FORMATEKS, vol. 1, no. 1, pp. 6–18, 2022.

Andik, Syarli, and C. R. Sari, “DATA MINING KLASIFIKASI KELULUSAN MAHASISWA MENGGUNAKAN METODE NAÏVE BAYES,” J. Peqguruang Conf. Ser., vol. 4, no. 1, pp. 423–428, 2022.

S. Widaningsih, “PERBANDINGAN METODE DATA MINING UNTUK PREDIKSI NILAI DAN WAKTU KELULUSAN MAHASISWA PRODI TEKNIK INFORMATIKA DENGAN ALGORITMA C4.5, NAÏVE BAYES, KNN, DAN SVM,” J. Tekno Insentif, vol. 13, no. 1, pp. 16–25, 2019.

I. Fadil, R. Goejantoro, and S. Prangga, “Aplikasi K-Nearest Neighbor Dengan Fungsi Jarak Gower Dalam Klasifikasi Kelulusan Mahasiswa (Studi Kasus : Mahasiswa Program Studi Statistika, Jurusan Matematika, Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Mulawarman),” J. EKSPONENSIAL, vol. 13, no. 1, pp. 57–62, 2022.

R. A. Iswanto, J. Sahertian, and M. A. D. Widyadara, “Pengembangan Sistem Prediksi Kelulusan Mahasiswa Berdasarkan Nilai Disiplin, Hasil Belajar, Aktivitas Sosial Ekonomi, dan Aktivitas Organisasi Menggunakan Algoritma Naïve Bayes,” in PROSIDING SEMINAR NASIONAL TEKNOLOGI DAN SAINS, 2022, pp. 349–358.

L. A. R. Hakim, A. A. Rizal, and D. Ratnasari, “APLIKASI PREDIKSI KELULUSAN MAHASISWA BERBASIS K-NEAREST NEIGHBOR (K-NN),” J. Teknol. Inf. dan Multimed., vol. 1, no. 1, pp. 30–36, 2019.

E. S. Susanto, Kusrini, and H. Al Fatta, “PREDIKSI KELULUSAN MAHASISWA MAGISTER TEKNIK INFORMATIKA UNIVERSITAS AMIKOM YOGYAKARTA MENGGUNAKAN METODE K-NEAREST NEIGHBOR,” J. Teknol. Inf., vol. 13, no. 2, pp. 67–72, 2018.

J. MANULLANG and J. F. R. PANGGABEAN, “ANALISIS KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES,” J. Sains dan Teknol. ISTP, vol. 16, no. 2, pp. 174–179, 2022.

T. W. Putra, A. Triayudi, and Andrianingsih, “Analisis Sentimen Pembelajaran Daring menggunakan Metode Naïve Bayes, KNN, dan Decision Tree,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 6, no. 1, pp. 20–26, 2022.

A. Y. Saputra and Y. Primadasa, “Penerapan Teknik Klasifikasi Untuk Prediksi Kelulusan Mahasiswa Menggunakan Algoritma K-Nearest Neighbour,” Techno.COM, vol. 17, no. 4, pp. 395–403, 2018.

I. A. A. Amra and A. Y. A. Maghari, “Students performance prediction using KNN and Naïve Bayesian,” in 8th International Conference on Information Technology (ICIT), 2017, pp. 909–913.

S. H. Rukmawan, F. R. Aszhari, Z. Rustam, and J. Pandelaki, “Cerebral Infarction Classification Using the KNearest Neighbor and Naive Bayes Classifier,” J. Phys. Conf. Ser., vol. 1752, no. 1, p. 012045, 2019.

M. Alghobiri, “A Comparative Analysis of Classification Algorithms on Diverse Datasets,” Eng. Technol. Appl. Sci. Res., vol. 8, no. 2, pp. 2790–2795, 2018.

E. F. Wati and B. Sudrajat, “Application of Naive Bayes Method For Diagnosis of Pregnancy Disease,” Int. J. Inf. Syst. Technol., vol. 6, no. 1, pp. 93–100, 2022.