Natalie, Elvira Catrine (2022) Prediksi Kelulusan Mata Kuliah Dari Mahasiswa S1 Dengan Menggunakan Metode Klasifikasi Naive Bayes. Other thesis, Institut Teknologi Sepuluh Nopember.
![]() |
Text
05111840000016-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
Abstract
Mata Kuliah adalah satuan pelajaran yang diajarkan dan dipelajari oleh mahasiswa di tingkat perguruan tinggi yang disusun berdasarkan capaian pembelajaran lulusan (CPL). Kelulusan suatu mata kuliah merupakan hal yang sangat penting bagi mahasiswa sebagai salah satu prasyarat pengerjaan skripsi yang bertujuan untuk mendapatkan gelar sarjana. Dilakukannya prediksi kelulusan mata kuliah sangatlah penting agar dapat memperkecil kemungkinan mahasiswa mendapatkan nilai yang kurang baik maupun menghindari tidak lulusnya mahasiswa dalam suatu mata kuliah. Prediksi kelulusan mahasiswa dilakukan dengan memanfaatkan data mahasiswa yaitu mengelolanya dengan menggunakan teknik data mining. Dalam studi perbandingan algoritma klasifikasi, telah ditemukan simple bayesian atau yang biasa dikenal dengan Naïve Bayes classifier. Naïve Bayes classifier menunjukkan akurasi dan kecepatan yang tinggi bila diterapkan pada database yang besar. Metode ini sering digunakan dalam menyelesaikan masalah dalam bidang mesin pembelajaran karena metode ini dikenal memiliki tingkat akurasi yang tinggi dengan perhitungan sederhana. Terdapat beberapa model klasifikasi Naïve Bayes, pada penelitian ini digunakan Gaussian Naïve Bayes dan Bernoulli Naïve Bayes. Dari beberapa skenario uji parameter, disimpulkan GaussianNB memiliki hasil yang lebih baik.
=================================================================================================================================
Courses are units of subjects taught and studied by students at the tertiary level which are compiled based on graduate learning outcomes (CPL). Graduation of a course is very important for students as one of the prerequisites for writing a thesis that aims to get a bachelor's degree. The prediction of course graduation is very important in order to minimize the possibility of students getting bad grades or to avoid not passing students in a course. Prediction of student graduation is done by utilizing student data, namely managing it using data mining techniques. In a comparative study of classification algorithms, a simple Bayesian or commonly known as Naïve Bayes classifier has been found. The Naïve Bayes classifier exhibits high accuracy and speed when applied to large databases. This method is often used in solving problems in the field of machine learning because this method is known to have a high level of accuracy with simple calculations. There are several Nave Bayes classification models, in this study Gaussian Naïve Bayes and Bernoulli Naïve Bayes were used. From several parameter test scenarios, it is concluded that GaussianNB has better results.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Mata Kuliah, Prediksi, Classifier, Naive Bayes, Akurasi, Gaussian, Bernoulli, Courses, Prediction, Classifier, Naive Bayes, Accuracy, Gaussian, Bernoulli |
Subjects: | T Technology > T Technology (General) > T58.5 Information technology. IT--Auditing |
Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis |
Depositing User: | Mr. Marsudiyana - |
Date Deposited: | 10 Oct 2025 06:54 |
Last Modified: | 10 Oct 2025 06:54 |
URI: | http://repository.its.ac.id/id/eprint/128553 |
Actions (login required)
![]() |
View Item |