PREDIKSI PEMINATAN PROGRAM STUDI PADA PENERIMAAN MAHASISWA BARU STMIK ROYAL MENGGUNAKAN NAÃVE BAYES
DOI:
https://doi.org/10.54314/jssr.v4i2.661Abstract
STMIK Royal memiliki 2 Program Studi yaitu Sistem Informasi dan Sistem Komputer. Hampir tiap tahun pada saat penerimaan mahasiswa baru, terjadi penurunan minat calon mahasiswa yang memilih Program Studi Sistem Komputer sedangkan untuk Program Studi Sistem Informasi menunjukkan tren yang terus meningkat. Khusus untuk Program Studi Sistem Komputer, penurunan ini tentunya akan berdampak bagi perkembangan dan kualitas Program Studi tersebut kedepannya. Untuk mengatasi hal tersebut dapat dilakukan prediksi peminatan Program Studi pada penerimaan mahasiswa baru. Apabila prediksi yang muncul adalah Program Studi Sistem Komputer, maka calon mahasiswa tersebut akan diberikan reward khusus sehingga diharapkan minat untuk calon mahasiswa yang lain akan semakin meningkat. Naïve Bayes merupakan salah satu Algoritma klasifikasi dalam data mining yang dapat digunakan untuk memprediksi hal tersebut. Berdasarkan pengujian yang telah dilakukan, sistem dapat memberikan prediksi dengan tingkat akurasi 65%.
Downloads
References
Lianda, D., & Atmaja, N. S. (2021). Prediksi Data Buku Favorit Menggunakan Metode Naïve Bayes (Studi Kasus: Universitas Dehasen Bengkulu). Pseudocode, 8(1), 27–37. https://doi.org/10.33369/pseudocode.8.1.27-37
Mafakhir, A. Z., & Solichin, A. (2020). Penerapan Metode Naïve Bayes Classifier Untuk Penjurusan Siswa Pada Madrasah Aliyah Al-Falah Jakarta. Fountain of Informatics Journal, 5(1), 21. https://doi.org/10.21111/fij.v5i1.4007
Ristianto, F., & Yoraeni, A. (2021). Impementasi Metode Naive Bayes Untuk Prediksi Harga Emas. Jurnal CO-SCIENCE (Computer Science), 1(1), 62–71. http://jurnal.bsi.ac.id/index.php/co-science/article/view/201
Suryadi, A., & Harahap, E. (2018). Sistem Rekomendasi Penerimaan Mahasiswa Baru Menggunakan Naive Bayes Classifier Di Institut Pendidikan Indonesia. Joutica, 3(2), 171. https://doi.org/10.30736/jti.v3i2.231
