PREDIKSI KELULUSAN MAHASISWA DENGAN NAIVE BAYES DAN PARTICLE SWARM OPTIMIZATION (PSO)

Herlambang, Dimas (2024) PREDIKSI KELULUSAN MAHASISWA DENGAN NAIVE BAYES DAN PARTICLE SWARM OPTIMIZATION (PSO). Other thesis, UPN "Veteran" Yogyakarta.

	Text DIMAS HERLAMBANG FULL SKRIPSI.pdf Restricted to Repository staff only Download (2MB)
	Text COVER.pdf Download (197kB)
	Text ABSTRAK.pdf Download (46kB)
	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (275kB)
	Text HALAMAN PENGESAHAN PENGUJI.pdf Download (270kB)
	Text DAFTAR ISI.pdf Download (25kB)
	Text DAFTAR PUSTAKA.pdf Download (111kB)

Abstract

Kualitas dari suatu perguruan tinggi dipengaruhi oleh berbagai faktor penting yang
berkontribusi terhadap reputasi dan kinerjanya, salah satunya adalah tingkat kelulusan
mahasiswanya. Tingginya angka keberhasilan mahasiswa dalam menyelesaikan studi
mereka tepat waktu menjadi aspek krusial yang secara signifikan memengaruhi penilaian
dan perolehan nilai akreditasi program studi. Namun, kenyataannya, kelulusan mahasiswa
tidak selalu dapat dipastikan atau diketahui secara tepat waktu karena banyaknya variabel
yang mempengaruhi proses tersebut. Hal ini dapat menyebabkan terjadinya keterlambatan
dalam kelulusan, yang pada akhirnya berdampak pada penurunan efisiensi pendidikan dan
nilai institusional dari suatu perguruan tinggi.
Beberapa metode telah digunakan untuk memprediksi kelulusan mahasiswa dengan
tujuan mencapai tingkat akurasi yang tinggi. Salah satu algoritma yang bisa diterapkan untuk
melakukan prediksi adalah algoritma Naïve Bayes. Namun, metode Naïve Bayes memiliki
kekurangan yang perlu diperbaiki untuk meningkatkan kinerja dan performanya, serta
memperbaiki akurasi. Salah satu solusi yang dapat diterapkan adalah optimasi fitur
menggunakan algoritma Particle Swarm Optimization (PSO). Particle Swarm Optimization
(PSO) merupakan salah satu metode optimasi yang sangat efektif dalam klasifikasi.
Penerapan Particle Swarm Optimization (PSO) bertujuan untuk mengukur seberapa efektif
feature selection dengan Particle Swarm Optimization (PSO) dalam meningkatkan akurasi
algoritma Naïve Bayes untuk memprediksi apakah mahasiswa akan lulus tepat waktu atau
tidak.
Dalam penelitian ini, pengujian dilakukan menggunakan confusion matrix untuk
menghitung akurasi model algoritma Naïve Bayes dan kombinasi model algoritma Naïve
Bayes dengan PSO dalam memprediksi kelulusan mahasiswa. Pada model Naïve Bayes yang
dilengkapi dengan PSO, seleksi fitur menghasilkan 7 fitur relevan dari total 10 fitur yang
tersedia. Hasil pengujian menunjukkan bahwa model Naïve Bayes mencapai akurasi sebesar
86%, sementara kombinasi Naïve Bayes dengan PSO meningkatkan akurasi menjadi 89%.
Dengan demikian, terdapat peningkatan akurasi sebesar 2% setelah penerapan seleksi fitur,
yang menunjukkan bahwa seleksi fitur menggunakan PSO mampu meningkatkan performa
model Naïve Bayes dalam memprediksi kelulusan mahasiswa secara tepat waktu.
Kata Kunci : Kelulusan Mahasiswa, Prediksi, Seleksi Fitur, Naive Bayes, PSO.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Kelulusan Mahasiswa, Prediksi, Seleksi Fitur, Naive Bayes, PSO
Subjects:	H Social Sciences > H Social Sciences (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md.SI Indah Lestari Wulan Aji
Date Deposited:	23 Dec 2024 01:11
Last Modified:	23 Dec 2024 01:11
URI:	http://eprints.upnyk.ac.id/id/eprint/41893

Actions (login required)

View Item