ANALISA KINERJA METODE KLASIFIKASI DATA MINING MENGGUNAKAN ALGORITMA NAÏVE BAYES UNTUK PREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA (STUDI KASUS STIKES SYEDZA SAINTIKA)

Nurul Abdillah, Sarjon Defit, Sumijan Sumijan

Abstract


ABSTRAK

Tingkat kelulusan merupakan salah satu parameter efektifitas institusi pendidikan. Penurunan tingkat kelulusan mahasiswa berpengaruh terhadap akreditasi perguruan tinggi. Database perguruan tinggi menyimpan data administrasi dan akademik mahasiswa, apabila dieksplorasi dengan tepat menggunakan teknik data mining maka dapat diketahui pola atau pengetahuan untuk mengambil keputusan. Algoritma naive  bayes  bertujuan  untuk  mengukur  tingkat  akurasi untuk  diterapkan  dalam  kasus  ketepatan waktu kelulusan mahasiswa. Metode Naive Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik untuk memprediksi peluang dimasa depan berdasarkan pengalaman di masa sebelumnya. Penelitian ini menggunakan data mahasiswa program studi Pendidikan Teknik Informatika Universitas Negeri Padang angkatan 2011. Variabel  yang  digunakan  dalam  penelitian  ini  adalah:  NIM, nama, jenis kelamin, status masuk, IPK, daerah asal dan status pekerjaan. Berdasarkan hasil pengujian dengan mengukur kinerja metode, diketahui bahwa naive bayes memiliki nilai akurasi yamg bagus yaitu sebesar 93,48%. Dari nilai akurasi tersebut dapat ditarik kesimpulan bahwa algoritma naive bayes memiliki kinerja yang baik dalam memprediksi ketepatan waktu kelulusan mahasiswa.

Kata kunci: DataMining; Klasifikasi; Naïve Bayes; Ketepatan Kelulusan Mahasiswa.

 

ABSTRACT

The excellent service is the best way that we give according with the expectation or more than costumers expect. The purpose of this service is to determine the relationship between the independent and dependent variable. Type of this research is analytic research with a sectional research design has been done on 30th desember 2019 until 5th October 2020. The population of the research is an outpatient at RSUD Sultan Thaha Saifuddin Tebo as total 5.593 suspect. The total of sample this research is 107 patient. The technical of sample used is Purposive sampling.  Data analysis was done by univariat and bivariat testing used statistical test. Chi-Square with the accuracy 95%a=0,05. Research result got 59,8% Patient feel bad service, 56,1% less ability, 68,2% less attitude, 56,1% less appearance 68,2% less of attention, 55,1% not alert, 54,2% not responsible. Ther is a link between Excellent service (p=0,042), Attitude (p=0,024), Appearance (p=0,028), Action (p=0,000) and responsible (p=0,001). Unrelated factor with excellent service (p=0,066) The conclusion is the relation of capability, attitude, appearance, attention, action, and responsibility with Excellent service at the administration outpatient officer in RSUD Sultan Thaha Saifuddin Tebo in 2020. Hope the hospital can implement a servise schedule in accordance with the applicable schedule provisions.

Keywords : Excellent service; capability; attitude; appearance; attention; action; and responsibility


Full Text:

PDF

References


Sumathi K., Kannan S. dan Nagaraan K. (2016), “Data Mining: Analysis of student database using Classification Techniques”, International Journal of Computer Applications, Vol. 141, No. 8, Hal. 22-27.

Agrawal Gaurav dan Gupta Hitesh (2013). "Optimization of C4.5 Decision Tree Algorithm for Data Mining Application”. International Journal of Emerging Technology and Advanced Engineering, Vol.3, Hal. 341-345.

Patil Tina dan Sherekar S. (2013). “Performance Analysis of Naive Bayes and J48 Classification Algorithm for Data Classification”, International Journal Of Computer Science And Applications, Vol. 6, No.2, Hal. 256-261.

S. Ghadeer, Oda Abu dan M. El-Halees Alaa (2015). “Data Mining In Higher education: University Student Dropout Case Study”, International Journal of Data Mining & Knowledge Management Process (IJDKP) Vol.5, No.1, Hal. 15-27.

Sharma Ritu, Kumar Shiv dan Maheshwari Rohit (2015), "Comparative Analysis of Classification Techniques in Data Mining Using Different Datasets”. IJCSMC, Vol. 4, Issue. 12, December 2015, Hal. 125-134.

Lestari Handayani dan Eka Lona Maulida. (2015). “Perkiraan Waktu Studi Mahasiswa Menggunakan Metode Klasifikasi Dengan Algoritma Naive Bayes”, Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 7, Hal. 138-147.

Miftahul Chair, Yuki Novia Nasution dan Nanda Arista Rizki (2017). “Aplikasi Klasifikasi Algoritma C4.5 (Studi Kasus Masa Studi Mahasiswa Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Mulawarman Angkatan 2008)”, Jurnal Informatika Mulawarman, Vol. 12, No. 1, Hal. 51-55.

Cipta Riang Sari (2016). “Teknik Data Mining Menggunakan Classification Dalam Sistem Penunjang Keputusan Peminatan SMA Negeri 1 Polewali”. Indonesian Journal on Networking and Security. 2016; Volume 5: Hal 48-54.

Siska Haryati, Aji Sudarsono dan Eko Suryana (2015), “Implementasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma C4.5 (Studi Kasus: Universitas Dehasen Bengkulu)”, Jurnal Media Infotama Vol. 11 No. 2, Hal. 130-138.

Dicky Nofriansyah, Kamil Erwansyah, Mukhlis Ramadhan, (2016). “Penerapan Data Mining dengan Algoritma Naïve Bayes Clasifier untuk Mengetahui Minat Beli Pelanggan terhadap Kartu Internet XL (Studi Kasus di CV. Sumber Utama Telekomunikasi)”. Jurnal SAINTIKOM, Vol. 15, No. 2, Mei 2016.


Refbacks

  • There are currently no refbacks.