KLASIFIKASI WAKTU PENYELESAIAN SKRIPSI MAHASISWA MENGGUNAKAN METODE WEIGHTED NAÏVE BAYES (STUDI KASUS: PROGRAM STUDI TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH GRESIK)

  • gilang atala panharesi Teknik Informatika Universitas Muhammadiyah Gresik

Abstract

Skripsi merupakan tahapan akhir bagi mahasiswa dalam rangkaian pembelajaran untuk memperoleh gelar sarjana di pendidikan strata-1. Waktu penyelesaian skripsi mulai dari 1 semester, 2 semester, dan lebih dari 2 semester (hingga masa studi mencapai batas maksimalnya). Sangat penting bagi program studi mengetahui klasifikasi waktu penyelesaian skripsi mahasiswa. Informasi tersebut dapat menjadi dasar dalam membuat rencana strategis dalam rangkaian pembelajaran supaya meningkatkan mahasiswa dengan masa studi tepat waktu. Dalam penelitian ini akan dilakukan klasifikasi waktu penyelesaian skripsi mahasiswa Program Studi Teknik Informatika Universitas Muhammadiyah Gresik dengan menggunakan metode Weighted Naïve Bayes. Dengan menambahkan bobot terhadap atribut kelas pada algoritma naïve bayes, maka ketepatan klasifikasi pada algoritma weighted naïve bayes tidak didasari hanya dengan probabilitas melainkan juga dipengaruhi oleh pembobotan fitur terhadap kelas. Hasil klasifikasi data latih mahasiswa teknik informatika Universitas Muhammadiyah Gresik dalam waktu penyelesaian skripsi didapatkan nilai probabilitas mahasiswa teknik informatika dalam menyelesaikan skripsi dengan waktu 1 semester, 2 semester, dan > 2 semester adalah 0.14286, 0.53968, dan 0.31746. Dan hasil pengujian evaluasi performa dengan menggunakan confusion matrix, didapatkan nilai accuracy 77,5%, precision kelas 1S 100%, precision kelas 2S 72,3%, precision kelas 3S 82,4%, recall kelas 1S 11,1%, recall kelas 2S 100%, recall kelas 3S 93,3%, specificity kelas 1S 100%, specificity kelas 2S 75%, specificity kelas 3S 88%.

Downloads

Download data is not yet available.
Published
Jun 28, 2022
How to Cite
PANHARESI, gilang atala. KLASIFIKASI WAKTU PENYELESAIAN SKRIPSI MAHASISWA MENGGUNAKAN METODE WEIGHTED NAÏVE BAYES (STUDI KASUS: PROGRAM STUDI TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH GRESIK). Indexia : Informatics and Computational Intelligent Journal, [S.l.], v. 4, n. 1, p. 33-46, june 2022. ISSN 2657-0424. Available at: <https://journal.umg.ac.id/index.php/indexia/article/view/3589>. Date accessed: 19 nov. 2024. doi: http://dx.doi.org/10.30587/indexia.v4i1.3589.
Section
Articles