PERBANDINGAN ALGORITMA NAIVE BAYES DAN DECESION TREE UNTUK MEMPREDIKSI PRESTASI AKADEMIK MAHASISWA

  • Witri Ramadhani Universitas Mitra Karya
Keywords: Data Mining, Decision Tree, Naive Bayes, Prediksi prestasi mahasiswa, Klasifikasi.

Abstract

Kinerja algoritma data mining menjadi satu pertimbangan dalam pemilihan algoritma untuk memprediksi prestasi mahasiswa. Penelitian ini mengukur kinerja membandingkan hasil prestasi mahasiswa tingkat akurasi algoritma decision tree dan naïve bayes. Hasil pengukuran menunjukkan persentase akurasi dan eror dari data training dan data tes yang digunakan. Kinerja setiap algoritma diukur berdasarkan persentase akurasi dan error. Variabel-variabel yang digunakan dalam klasifikasi adalah nilai semester mahaisiswa yang dihitung berdasarkan nilai persemester di STMIK Mitra Karya Bekasi. Jumlah data sampel yang digunakan adalah 100 data nilai mahasiswa dari semester 1 sampai semester 8. Alat bantu yang digunakan adalah WEKA 3-7.4. nilai akurasi untuk data numerik adalah sebesar 96.97% dan data kategori sebesar 84.85%. Sedangkan algoritma naive bayes menghasilkan nilai yang lebih besar dibandingkan algoritma decision tree yaitu 100% untuk data numerik dan 87.88% untuk data kategori. Kesimpulan untuk perbandingan dua algoritma ini adalah secara keseluruhan, kinerja algoritma naïve bayes lebih baik dibandingkan dengan algoritma decision tree. Kinerja naïve bayes masih tetap unggul ketika pengujian dilakukan pada tipe data kategori.

Published
2021-02-23