Analisis Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Algoritma Naïve Bayes (Studi Kasus: Program Studi Sistem Informasi Universitas Cenderawasih)

Perguruan tinggi memiliki peran penting dalam pembangunan sumber daya manusia dan kemajuan bangsa. Salah satu tantangan yang dihadapi mahasiswa adalah mencapai kelulusan tepat waktu. Pentingnya untuk mengetahui informasi mengenai prediksi kelulusan mahasiswa Program Studi Sistem Informasi di Universitas Cenderawasih agar mahasiswa yang berpotensi tidak lulus tepat waktu dapat diidentifikasi sejak dini. Untuk memprediksi tingkat kelulusan digunakan data mining. Penerapan data mining ini menggunakan tahapan-tahapan yang ada pada KDD (Discovery Knowledge of Databases) yang meliputi tahap data selection, preprocessing, transformation, data mining, dan interpretation evaluation. Dataset yang digunakan yaitu data alumni mahasiswa Program Studi Sistem Informasi tahun 2012 sampai 2018. Variabel-variabel yang digunakan terdiri dari jenis kelamin, ips 1, ips 2, ips 3, ips 4, ips 5, dan jenis pembiayaan. Hasil pengujian menunjukkan bahwa algoritma Naive Bayes untuk memprediksi kelulusan mahasiswa tepat waktu memperoleh tingkat akurasi tertinggi yaitu sebesar 80% dan error 20%. Penelitian ini diharapkan dapat membantu pihak jurusan dalam mengambil langkah-langkah yang diperlukan untuk meningkatkan tingkat kelulusan mahasiswa tepat waktu.