Authors:

Ni Putu Erika Sari Bintari, I Ketut Gede Darma Putra, I Made Sunia Raharja

Abstract:

“Abstrak Perguruan tinggi memiliki akreditasi sebagai acuan untuk penilaian terhadap kualitas kampus yang ditentukan oleh Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT). Tingkat akreditasi perguruan tinggi salah satunya dinilai dari kualitas lulusan mahasiswa yaitu lama studi mahasiswa. Lama studi mahasiswa dapat diprediksi menggunakan metode data mining. Metode data mining yang digunakan untuk memprediksi masa studi mahasiswa adalah algoritma naïve bayes dan neural network. Data mahasiswa berupa NIM, jenis kelamin, jalur masuk, IP Semester 1, IP Semester 2, IP Semester 3, IP Semester 4, dan kategori. Data sampel merupakan alumni mahasiswa angkatan 2008-2013 sebanyak 363 mahasiswa. Metode data mining akan dilakukan sebanyak empat kali pengujian berdasarkan jumlah data training dan data testing. Hidden layer yang digunakan sebanyak 1 dan 2 dengan dua neuron, training cycles menggunakan angka kisaran 25 hingga 2000, momentum sebesar 0,9 dan learning rate sebesar 0.5. Nilai performa algoritma naïve bayes akan menampilkan confusion matrix berupa akurasi sedangkan nilai performa algoritma neural network akan menampilkan confusion matrix berupa akurasi dan nilai RMSE.”

Keywords

Keyword Not Available

Downloads:

Download data is not yet available.

References

  • [1] N. A. Abidin, M. Assidiq and A. Qaslim, “Sistem Prediksi Kelulusan Mahasiswa dengan Metode Backpropagation Neural Network,” Jurnal Ilmiah Maju, vol. 4, no. 2, 2021.
  • [2] E. P. Rohmawan, “Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Decision Tree dan Artificial Neural Network,” Jurnal Ilmiah Matrik, vol. 20, no. 1, 2018.
  • [3] R. H. Lubis and P. Kustanto, “Implementasi Algoritma Neural Network dalam Memprediksi Tingkat Kelulusan Mahasiswa,” Jurnal Media Informatika Budidarma, vol. 4, no. 2, 2020.
  • [4] N. Purwati, R. Nurlistiani and O. Devinsen, “Data Mining dengan Algoritma Neural Network dan Visualisasi Data untuk Prediksi Kelulusan Mahasiswa,” Jurnal Informatika, vol. 20, no. 2, 2020.
  • [5] M. D. Yalidhan and M. F. Amin, “Implementasi Algoritma Backpropagation untuk Memprediksi Kelulusan Mahasiswa,” Kumpulan Jurnal Ilmu Komputer (KLIK), vol. 5, no. 2, 2018.
  • [6] A. F. Firdaus, R. Saedudin and R. Andeswari, “Implementasi Metode Klasifikasi Naive Bayes dalam Memprediksi Kelulusan Mahasiswa,” e-Proceeding of Engineering, vol. 8, no. 5, p. 9274, 2021.
  • [7] A. A. A. Purnamaswari, I. K. G. D. Putra and I. M. S. Putra, “Komparasi Metode Neural Network Backpropagation dan Support Vector Machines dalam Prediksi Volume Sampah TPA Suwung,” Jitter, vol. 3, no. 1, 2022.
  • [8] S. M. Derwin Suhartono, “ Binus Universitas School of Computer Science,” Binus Universitas, 26 July 2012. [Online]. Available: https://socs.binus.ac.id/2012/07/26/konsep-neural-network/. [Accessed 1 November 2019].

PDF:

https://jurnal.harianregional.com/jitter/full-89834

Published

2022-07-27

How To Cite

BINTARI, Ni Putu Erika Sari; PUTRA, I Ketut Gede Darma; RAHARJA, I Made Sunia. Komparasi Algoritma Naïve Bayes dan Neural Network untuk Menentukan Ketepatan Masa Studi Mahasiswa(Studi Kasus: Program Studi Teknologi Informasi Universitas Udayana).JITTER : Jurnal Ilmiah Teknologi dan Komputer, [S.l.], v. 3, n. 2, p. 1129-1136, july 2022. ISSN 2747-1233. Available at: https://jurnal.harianregional.com/jitter/id-89834. Date accessed: 28 Aug. 2025. doi:https://doi.org/10.24843/JTRTI.2022.v03.i02.p12.

Citation Format

ABNT, APA, BibTeX, CBE, EndNote - EndNote format (Macintosh & Windows), MLA, ProCite - RIS format (Macintosh & Windows), RefWorks, Reference Manager - RIS format (Windows only), Turabian

Issue

Vol 3 No 2 (2022): JITTER, Vol.3, No.2, August 2022

Section

Articles

Creative Commons License This work is licensed under a Creative Commons Attribution 4.0 International License