Klasifikasi Penyelesaian Studi Mahasiswa Berbasis Bayes Network (Studi Kasus:Universitas Musamus Merauke)

CHUSNUL CHOTIMAH, Dr. Azhari SN., M.T.

2017 | Tesis | S2 Ilmu Komputer

Penyelesaian studi tepat waktu merupakan salah satu elemen penilaian akreditasi, sehingga diperlukan evaluasi performansi mahasiswa. Hasil evaluasi tersebut dapat digunakan oleh pihak manajemen perguruan tinggi dalam mengambil langkah strategis dengan keputusan yang tepat. Data akademik terus bertambah setiap tahunnya, namun terdapat kesenjangan antara jumlah pendaftar dengan jumlah kelulusan. Oleh karena itu perlu adanya aktivitas penggalian (ekstraksi) data untuk diolah menjadi pengetahuan yang bermanfaat. Permasalahan penyelesaian studi setiap mahasiswa dapat disebabkan atau dipengaruhi oleh banyak faktor. Namun kemungkinan pada beberapa variabel saling dependen satu sama lain. Dalam penelitian ini, data mining digunakan untuk menyelesaikan permasalahan dalam penyelesaian studi. Metode yang digunakan untuk menganalisis adalah Bayes Network, pendekatan ini digunakan karena dapat menggambarkan hubungan sebab-akibat antara penyelesaian studi dengan faktor-faktor yang diduga berpengaruh sebagai representasi model grafis sehingga lebih mudah dipahami. Ada atau tidaknya hubungan antar faktor dengan data empiris dihitung menggunakan mutual information. Setelah struktur jaringan terbentuk langkah selanjutnya adalah menghitung probabilitas kejadian untuk setiap hubungan. Setelah diperoleh nilai probabilitas, selanjutnya dapat ditampilkan diagram kausalitas lengkap dengan nilai probabilitas. Hasil penelitian menunjukkan bahwa proses klasifikasi menggunakan data mahasiswa angkatan 2012 dengan metode Bayes Network memberikan tingkat akurasi terbesar 71,09%. Tingkat akurasi pada penelitian ini menunjukkan nilai lebih tinggi dibanding nilai akurasi klasifikasi menggunakan metode Naive Bayes Classifier yaitu sebesar 67,97%.

On time completion of the study becomes one of the elements of accreditation assessment, so the student performance needs to be evaluated. College management can take strategic steps with appropriate decisions based on the results of those evaluations. As academic data each year increases, there is a gap between the number of applicants and the number of graduates. Therefore, data mining activities need to be done to gain knowledge. The problem of student completion studies can be caused or influenced by many factors. However, it is likely that some variables are dependent on each other This research, classification technic data mining used for the settlement on the problem completion of study. Method Bayes Network is used for the analysis, this approach used because it can illustrate the cause-effect relationship between the completion of study with the factors that allegedly influenced him as a graphical model representation so that more easily understood. With empirical data, the presence or absence of relationships among factors is calculated using mutual information. If the structure of the network has been established then subsequently calculated the probability of relationship for each event. The probability value obtained is shown to obtain a complete causality diagram. The results of the research on the classification process using student data in 2012 with Bayes Network method resulted in an accuracy of 71.09%. Level of accuracy in this study is higher than the value of classification accuracy with the method of Naive Bayes Classifier that is equal to 67.97%.

Kata Kunci : data mining, bayes network, causality, classification