Dony Fahrudy, - (2020) PENERAPAN FEATURE SELECTION INFORMATION GAIN PADA ALGORITMA NAÏVE BAYES UNTUK PREDIKSI KELULUSAN MAHASISWA (STUDI KASUS : TEKNIK INFORMATIKA UIN SUSKA RIAU). Skripsi thesis, UIN SULTAN SYARIF KASIM RIAU.

	Text (BAB V IMPLEMENTASI DAN PENGUJIAN) BAB V IMPLEMENTASI DAN PENGUJIAN.pdf - Published Version Restricted to Repository staff only Download (1MB)
	Text TA LENGKAP KECUALI BAB V.pdf Download (16MB)

Abstract

ABSTRAK Teknik Informatika adalah salah satu program studi yang ada di Universitas Islam Negeri Sultan Syarif Kasim Riau yang berada pada Fakultas Sains dan Teknologi. Permasalahan kelulusan mahasiswa pada perguruan tinggi menjadi suatu hal yang sangat penting dalam menunjukkan kualitas pembelajaran di perguruan tinggi. Oleh karena itu, terdapat beberapa hal yang dapat mempengaruhi kelulusan mahasiswa. Penelitian ini akan menerapkan dua metode yaitu metode yang hanya menggunakan algoritma Naïve Bayes dan metode yang menggabungkan dua algoritma yaitu algoritma Naïve Bayes dan algoritma Feature Selection Information Gain untuk memprediksi kelulusan mahasiswa. Information Gain merupakan algoritma seleksi fitur yang digunakan untuk mengetahui atribut yang berpengaruh dalam memprediksi kelulusan mahasiswa. Naïve Bayes merupakan algoritma klasifikasi yang banyak digunakan dalam prediksi karena memiliki akurasi dan kecepatan yang serta mudah diimplementasikan. Pengujian akurasi dilakukan dengan metode evaluasi split validation menghasilkan akurasi pada metode Naïve Bayes yaitu 79.25% dengan rasio perbandingan 90:10. Sedangkan akurasi pada Naïve Bayes berbasis Information Gain dengan 4 atribut terbaik pada hasil seleksi diantaranya ip semester 1, ip semester 6, tempat lahir dan ip semester 2 yaitu 86.79% dengan rasio perbandingan 90:10. Sehingga terjadinya peningkatan akurasi sebesar 7.54%. Kata Kunci: Information Gain, Kelulusan Mahasiswa, Naïve Bayes, Prediksi, Seleksi Fitur

Actions (login required)

View Item