Rahayu, Melli (2026) IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI KELULUSAN MAHASISWA (Studi Kasus: Universitas Malikussaleh). S1 thesis, Universitas Malikussaleh.

	Text Cover_Melli Rahayu_200170083.pdf Download (74kB)
	Text Abstrak_Melli Rahayu_200170083.pdf Download (34kB)
	Text BAB I_Melli Rahayu_200170083.pdf Download (143kB)
	Text Daftar Pustaka_Melli Rahayu_200170083.pdf Download (155kB)
	Text Skripsi FullText_Melli Rahayu_200170083.pdf Restricted to Registered users only Download (2MB)

Abstract

Keterlambatan kelulusan mahasiswa masih menjadi permasalahan yang berdampak pada akreditasi perguruan tinggi serta efektivitas manajemen akademik. Permasalahan ini dipengaruhi oleh berbagai faktor, termasuk latar belakang asal sekolah dan nilai akademik mahasiswa. Penelitian ini bertujuan untuk mengklasifikasikan kelulusan mahasiswa Universitas Malikussaleh menggunakan algoritma Naïve Bayes. Data yang digunakan terdiri atas 675 mahasiswa angkatan 2020, dengan pembagian 80% sebagai data latih dan 20% sebagai data uji, sehingga diperoleh 540 data latih dan 135 data uji. Model dikembangkan menggunakan Gaussian Naïve Bayes dengan atribut program studi, asal sekolah, dan nilai rata-rata ijazah. Sistem dikembangkan menggunakan bahasa pemrograman Python dengan framework Flask dan diimplementasikan dalam bentuk aplikasi berbasis web. Hasil pengujian menunjukkan bahwa dari 135 data uji, sebanyak 94 data berhasil diklasifikasikan dengan benar. Evaluasi kinerja menggunakan confusion matrix menghasilkan nilai akurasi sebesar 69,63%, precision 72,41%, recall 90,32%, dan F1-score 80,34%. Selain itu, sistem mampu memberikan rekomendasi asal sekolah berdasarkan probabilitas kelulusan tepat waktu yang berbeda pada setiap program studi dan kategori nilai rata-rata ijazah. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes cukup efektif dalam mengklasifikasikan kelulusan mahasiswa serta dapat digunakan sebagai pendukung pengambilan keputusan dalam upaya meningkatkan ketepatan waktu kelulusan. Kata Kunci: Data Mining, Kelulusan Mahasiswa, Klasifikasi, Naïve Bayes

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Melli Rahayu
Date Deposited:	20 Feb 2026 03:42
Last Modified:	20 Feb 2026 03:42
URI:	https://rama.unimal.ac.id/id/eprint/18490

Actions (login required)

View Item