Perbandingan algoritma c4.5 dan naive bayes dalam prediksi kelulusan mahasiswa

Abstract

Manajemen perguruan tinggi membutuhkan prediksi kelulusan untuk menentukan langkah-langkah pencegahan dini kasus drop out. Lama masa studi mahasiswa dapat disebabkan karena berbagai faktor sehingga perlu diketahui siapa saja mahasiswa yang berpotensi lulus tidak tepat waktu. Teknik data mining dapat digunakan untuk menggali suatu pengetahuan baru sehingga dapat menghasilkan prediksi kelulusan mahasiswa. Beberapa Algoritma yang dapat digunakan adalah C4.5 dan Naive Bayes. Tujuan penelitian ini adalah untuk memprediksi kelulusan mahasiswa Fakultas Ilmu Sosial dan Ilmu Politik Universitas Andalas menggunakan algoritma C4.5 dan Naive Bayes. Atribut yang digunakan yaitu umur masuk kuliah, jenis kelamin, indeks prestasi semester 1-4. Data yang digunakan adalah mahasiswa FISIP strata 1 yang lulus di tahun 2022 sebanyak 378. Pengujian dikakukan dengan membagi data training dan data testing 70%:30%, 80%:20%, dan 90%:20%. Hasil penelitian menunjukkan tingkat akurasi algoritma Naive Bayes lebih baik dari C4.5 dengan akurasi tertinggi 81,58%. Hasil prediksi pada mahasiswa yang lulus terlambat diharapkan dapat menjadi evaluasi sehingga menghasilkan lulusan yang tepat waktu.