PREDIKSI KELULUSAN TEPAT WAKTU MAHASISWA MENGGUNAKAN NAIVE BAYES BERBASIS ORANGE DATA MINING

Abstrak

Penelitian ini memiliki tujuan untuk memprediksi kelulusan tepat waktu bagi mahasiswa dengan memanfaatkan data yang kami kumpulkan berupa data perilaku akademik dan non-akademik. Data ini kami kumpulkan melalui kuesioner yang mencakup informasi seperti Indeks Prestasi Kumulatif (IPK), keaktifan dalam organisasi, durasi belajar mandiri, status bekerja, serta tingkat stress. Dari data yang sudah di kumpulkan sebanyak 68 data responden dianalisa dan digunakan untuk melatih serta menguji model klasifikasi Naïve Bayes menggunakan aplikasi Orange Data Mining. Evaluasi kami lakukan menggunakan metode stratified 10-fold cross-validation, yang menghasilkan akurasi sebesar 94,1% F1-score 0,941, dan nilai Area Under Curve (AUC) sebesar 0,984. Hasil ini menunjukan bahwa model Naïve Bayes cukup efektif dalam memprediksi apakah mahasiswa itu lulus tepat waktu atau tidak dan berpotensi menjadi alat bantu dalam pengambilan keputusan bagi institusi perguruan tinggi.

This study aims to predict on-time graduation for students by utilizing the data we collect in the form of academic and non-academic behavioral data. We collect this data through a questionnaire that includes information such as Cumulative Grade Point Average (GPA), activeness in organizations, duration of independent learning, employment status, and stress levels. From the data that has been collected, 68 respondent data were analyzed and used to train and test the Naïve Bayes classification model using the Orange Data Mining application. We conducted the evaluation using the stratified 10-fold cross-validation method, which produced an accuracy of 94.1% F1-score 0.941, and an Area Under Curve (AUC) value of 0.984. These results indicate that the Naïve Bayes model is quite effective in predicting whether students graduate on time or not and has the potential to be a tool in decision-making for higher education institutions.