Analisis Tingkat Kelulusan Mahasiswa Menggunakan Metode Naive Bayes Studi Kasus: Ilmu Komputer Universitas Nusa Cendana

Abstract

Pendidikan tinggi memiliki peran penting dalam mencetak sumber daya manusia yang kompeten. Salah satu indikator keberhasilan perguruan tinggi adalah tingkat kelulusan mahasiswa tepat waktu. Penelitian ini bertujuan untuk menganalisis tingkat kelulusan mahasiswa menggunakan metode Naïve Bayes sebagai salah satu teknik klasifikasi dalam data mining . Data yang digunakan merupakan data primer hasil kuesioner mahasiswa Program Studi Ilmu Komputer Universitas Nusa Cendana angkatan 2016–2020 yang telah lulus. Atribut yang digunakan meliputi Jenis Kelamin, Indeks Prestasi Semester 1 sampai 6, Asal Sekolah, Pekerjaan Orang Tua, Penerima Beasiswa, dan Keikutsertaan Organisasi dengan kelas keluaran berupa status kelulusan “Cepat”, “Sedang”, dan “Lama”. Implementasi dilakukan menggunakan aplikasi RapidMiner 7.3 dengan dua skenario pembagian data, yaitu rasio 9:1 dan 8:2 antara data latih dan data uji. Hasil pengujian menunjukkan bahwa pada rasio 9:1, metode Naïve Bayes memperoleh akurasi sebesar 83,33%, sedangkan pada rasio 8:2 akurasinya menurun menjadi 76%. Nilai presisi dan recall tertinggi diperoleh pada kelas “Cepat” dan “Lama”, sementara performa prediksi untuk kelas “Sedang” belum optimal. Berdasarkan hasil tersebut, metode Naïve Bayes dinilai cukup efektif dalam memprediksi tingkat penerimaan mahasiswa dan dapat digunakan sebagai alat bantu evaluasi akademik untuk meningkatkan kualitas pembelajaran serta perencanaan akademik di masa mendatang.