Prediksi Status Kelulusan Mahasiswa pada Mata Kuliah Big Data Berdasarkan Kehadiran dan Nilai Akademik Menggunakan Algoritma Naïve Bayes

Abstract

Prediksi status kelulusan mahasiswa merupakan salah satu upaya yang dapat dilakukan untuk membantu proses evaluasi akademik dan pengambilan keputusan dalam lingkungan pendidikan. Penelitian ini bertujuan untuk menerapkan algoritma Naive Bayes dalam mengklasifikasikan status kelulusan mahasiswa berdasarkan data akademik yang meliputi Kehadiran, Nilai Tugas, Nilai Kuis, Nilai Ujian Tengah Semester (UTS), dan Nilai Ujian Akhir Semester (UAS). Dataset yang digunakan terdiri dari 15 data mahasiswa dengan dua kategori kelas, yaitu Lulus dan Tidak Lulus. Proses penelitian dilakukan melalui tahapan pengumpulan data, perhitungan probabilitas prior, perhitungan probabilitas kondisional setiap atribut, serta penentuan probabilitas posterior menggunakan metode Naive Bayes yang diimplementasikan pada Google Colab menggunakan bahasa pemrograman Python. Hasil perhitungan terhadap data mahasiswa yang diuji dengan atribut Kehadiran Tinggi, Nilai Tugas Sedang, Nilai Kuis Tinggi, Nilai UTS Tinggi, dan Nilai UAS Tinggi menunjukkan nilai probabilitas P(Lulus|X) sebesar 0,0428 dan P(Tidak Lulus|X) sebesar 0,0000. Berdasarkan hasil tersebut, mahasiswa diklasifikasikan ke dalam kategori Lulus karena memiliki probabilitas yang lebih tinggi dibandingkan kategori Tidak Lulus. Selain itu, hasil pengujian model menunjukkan tingkat akurasi sebesar 100%, yang mengindikasikan bahwa model mampu mengklasifikasikan data dengan sangat baik pada dataset yang digunakan. Dengan demikian, algoritma Naive Bayes dapat digunakan sebagai metode klasifikasi yang efektif untuk membantu memprediksi status kelulusan mahasiswa berdasarkan data akademik yang tersedia.