Data Mining Prestasi Akademik Dengan Naive Bayes Berdasarkan Attribut Importance (AI)

Abstract

Institusi pendidikan memegang peranan penting dalam menghasilkan kualitas lulusan maupun prestasi yang baik bagi anak didiknya. Diperlukan suatu usaha yang konsisten dan sistem pengajaran yang terkelola dengan baik sehingga apa yang disampaikan, diterapkan dan diajarkan kepada peserta didik bisa dipahami, dikembangkan bahkan diterapkan sehingga mencapai hasil yang diinginkan. Namun, prestasi akademik pasti selalu ada baik dan buruk yang dipengaruhi banyak faktor selain proses dan tata kelola belajar mengajar pada institusi pendidikan tersebut. Prestasi akademik yang dimaksud disini berupa nilai Indek Prestasi Akademik yang baik dan masa studi yang tepat waktu. Akibat banyaknya peserta didik yang indek prestasi akademiknya buruk mengakibatkan masa studi menjadi lebih lama sehinngga terjadi penumpukan dalam hal jumlah siswa yang berakibat ratio dan keseimbangan kurang baik. Saat ini, STIKOM Bali dengan jumlah mahasiswa yang mencapai 6000 orang yang disertai dengan jumlah lulusan yang masih kurang ideal setiap periode kelulusan, maka perlu diterapkan dan dimulai pola penerimaan mahasiswa baru yang efektif bagi pencapaian prestasi dan kelulusan tepat waktu tersebut. Dalam penjaringan mahasiswa baru dan kaitannya dengan potensi prestasi akademik perlu dilihat latar belakang calon mahasiswa sehingga didapat klasifikasi yang tepat mengenai kriteria apakah calon mahasiswa baru diterima atau ditolak untuk menjadi mahasiswa di STIKOM Bali. Berdasarkan data – data siswa sebelumnya dan hasil prestasi akademik yang dicapai tentunya banyak faktor seperti nilai UAN, daerah asal, jenis kelamin, nilai tes masuk, keuangan, pergaulan dan lain - lain yang memberikan pengaruh terhadap prestasi akademik. Pemilihan faktor atau atribut yang paling berpengaruh ditentukan dengan cara menggunakan AI(Attribut importance) terhadap indek prestasi mahasiswa. Indek prestasi mahasiswa dikategorikan dalam 3 skala yaitu indek prestasi sedang, rendah dan baik. Setelah pemilihan atribut menggunakan teknik Attribute Importance (AI), data sampling dianalisa menggunakan teknik klasifikasi menggunakan Algoritma Naïve Bayes yang kemudian digunakan untuk melakukan scoring terhadap prestasi akademik. Data training yang digunakan yaitu data mahasiswa angkatan 2007-2011 yang telah lulus. Sebagai data test yang akan dicoba kedalam klasisifikasi yang dihasilkan menggunakan data mahasiswa baru angkatan 2012-2013 yang belum lulus.