Prediksi Kelulusan dengan Algoritma Naïve Bayes dan Principal
Component Analysis (PCA) pada Data Time Series

WISHNU DWI HERLAMBANG

Informasi Umum

Kode

22.04.298

Klasifikasi

C -

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Mining

Dilihat

293 kali

Informasi Lainnya

Abstraksi

Kelulusan tepat waktu bagi seorang mahasiswa adalah hasil yang baik dan menjadi poin penting untuk akreditasi perguruan tinggi. Karena hal tersebut, memerlukan strategi yang baik. Persentase kelulusan tepat waktu pada perguruan tinggi dapat diprediksi dengan data mining dan machine learning. Tujuan dari penelitian ini adalah memberikan pencegahan dini terhadap mahasiswa yang beresiko lulus tidak tepat waktu, ada beberapa metode klasifikasi yang dapat digunakan untuk memprediksi. Riset ini mengkombinasikan algoritma naïve bayes dengan principal component analysis (PCA). PCA digunakan untuk menghasilkan data yang memiliki struktur yang lebih sederhana sehingga mencakup informasi dari data aslinya lebih baik, sehingga dapat memberikan hasil yang lebih optimal. Dataset yang akan digunakan adalah berupa time series data yang berupa data historis akademik mahasiswa Informatika Telkom University periode 2008 – 2011. Hasil yang didapatkan dengan algoritma kombinasi PCA dan naïve bayes adalah algoritma PCA menghasilkan beberapa principal component yang memberikan hasil yang optimal untuk digunakan oleh naive bayes, dari proses tersebut dapat menghasilkan