Isi Artikel Utama

Abstrak

Tujuan dari penelitian ini untuk memberikan rekomendasi pemilihan program studi kepada calon mahasiswa yang akan masuk ke Institut Teknologi Garut (ITG). Hasil dari rekomendasi ini akan memberikan informasi program studi yang sesuai dengan nilai akademik calon mahasiswa tersebut. Untuk mencapai tujuan tersebut penelitian ini menggunakan Algoritma Naïve Bayes untuk memprediksi peluang masa depan berdasarkan data pada masa lalu, selanjutnya untuk mendapatkan hasil rekomendasi yaitu dengan cara mencari nilai probabilitas terbesar pada setiap atribut. Tahapan algoritma yang dilakukan meliputi pengumpulan data, pemprosesan data, pemodelan, dan evaluasi. Data yang digunakan untuk kebutuhan analisis menggunakan data yang sesuai dengan Nilai Akhir Sekolah mahasiswa Sekolah Tinggi Teknologi Garut semasa sekolah dari angkatan tahun 2014 sampai dengan tahun 2019 dengan jumlah data sebanyak 30 pada masing masing program studi dengan total keseluruhan data sebanyak 90. Dari empat kali pemodelan data dan pengujian algoritma menghasilkan akurasi perhitungan algoritma Naïve Bayes terbaik dengan akurasi sebesar 73,4%.

Kata Kunci

Data Mining Naïve Bayes Program Studi Rekomendasi

Rincian Artikel

Cara Mengutip
[1]
H. N. F. Fikrillah dan D. Kurniadi, “Rekomendasi Pemilihan Program Studi Menggunakan Algoritma Naïve Bayes”, Jurnal Algoritma, vol. 20, no. 1, hlm. 42-49, Mei 2023.

Referensi

[1] A. Saifudin, “Metode Data Mining Untuk Seleksi Calon Mahasiswa Pada Penerimaan Mahasiswa Baru Di Universitas Pamulang,” JURNAL TEKNOLOGI, vol. 10, 2018.
[2] M. A. Syafar, “Sistem Pengambilan Keputusan Memilih Program Studi Di Uin Alauddin Berbasis Web Dengan Metode Analytic Hierarcy Process (AHP),” JURNAL INSTEK, vol. 3, 2018.
[3] A. R. Pratama, R. A. Rizki dan A. T. Pratama, “Model Klasifikasi Calon Mahasiswa Baru Untuk Sistem Model Klasifikasi Calon Mahasiswa Baru Untuk Sistem,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 9, pp. 725-734, 2022.
[4] C. N. Priatni dan A. S. Purnomo, “Sistem Untuk Menentukan Pilihan Pada Program Studi Menggunakan Fuzzy Multiple Attribute Decision Making (FMADM) Dengan Simple Additive Weighting (SAW) (Studi Kasus: POLTEKES Permata Indonesia Yogyakarta),” Informatics Journal, vol. 2, 2017.
[5] M. R. Azkia, M. Huda dan K. , “Sistem Pendukung Keputusan Pemilihan Program Studi Calon Peserta Didik Menggunakan Metode Pohon Keputusan C4.5,” dalam Seminar Nasional Teknologi Informasi dan Multimedia, Yogyakarta, 2018.
[6] D. Kurniadi, F. Nuraeni dan S. M. Lestari, “Implementasi Algoritma Naïve Bayes Menggunakan Feature Forward Selection dan SMOTE Untuk Memprediksi Ketepatan Masa Studi Mahasiswa Sarjana,” Jurnal Sistem Cerdas, vol. 05, pp. 63-82, 2022.
[7] A. Mulyani, D. Kurniadi, R. M. Nasrulloh, I. T. Julianto dan M. Regita, “The Prediction Of PPA And Kip-Kuliah Scholarship Recipients Using Naive Bayes Algorithm,” Jurnal Teknik Informatika (JUTIF), vol. 3, pp. 821-827, 2022.
[8] S. M. Mustafa, R. M. Ramadhan dan A. Thenata, “Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,” Citec C Journal, vol. 4, 2017.
[9] M. F. Rifai, H. Jantika dan B. Valentino, “Penerapan Algoritma Naïve Bayes Pada Sistem Prediksi Tingkat Kelulusan Peserta Sertifikasi Microsoft Office Specialist (MOS),” PETIR : Jurnal Pengkajian dan Penertapan Teknik Informatika, vol. 12, 2019.
[10] D. Kurniadi, A. Mulyani, Y. Septiana dan I. M. Yusuf, “Prediction of courses score using Artificial Neural Network with Backpropagation algorithm,” dalam IOP Publishing, Bristol, 2020.
[11] M. F. Fibrianda, “Analisis Perbandingan Akurasi Deteksi Serangan Pada Jaringan Komputer Dengan Metode Naive Bayes Dan Support Vector Machine (SVM),” dalam Universitas Brawijaya, Malang, 2018.
[12] M. N. Akbar, H. dan A. I. Syahyadi, “Analisis Prediksi Ketepatan Masa Studi Mahasiswa Menggunakan Algoritma Naive Bayes Classifier Dan Feature Selection,” JURNAL INSTEK, vol. 7, 2022.
[13] R. Y. Hayuningtyas, “Penerapan Algoritma Naive Bayes Untuk Rekomendasi Pakaian Wanita,” Jurnal Infromatik, vol. 6, pp. 18-22, 2019.
[14] Muliadi, S. Syarif dan A. Salim, “Penerapan Algoritma Naïve Bayes Pada Penilaian Kinerja Pemerintah Desa Dalam Pengelolaan Dana Desa,” Jurnal Riset Informatika, vol. 1, 2019.
[15] F. A. Setyaningsih, “Analisis Kinerja Technique For Order Preference By Similarity To Ideal Solution (TOPSIS) Untuk Pemilihan Program Studi,” Jurnal Informatika:Jurnal Pengembangan IT (JPIT), vol. 2, 2017.