Prediksi Kepuasan Layanan Akademik Menggunakan Algoritma Naïve Bayes
Abstract
Berdasarkan Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT), tuntutan yang diberikan masyarakat kepada perguruan tinggi meliputi jaminan kualitas (quality assurance), pengendalian kualitas (quality control), dan perbaikan kualitas (quality improvement) [1]. Untuk meningkatkan kualitas dalam pelayanan akademik diperguruan tinggi bisa melakukan evaluasi atau prediksi kinerja layanan berbasis IT tersebut, hal ini dilakukan untuk mengetahui sejauh mana nilai dan kualitas dari pelayanan yang diberikan oleh pihak perguruan tinggi kepada penggunanya. Data mining merupakan salah satu ilmu yang dapat digunakan untuk melakukan peramalan yang akurat dalam mengetahui kelayakan dimasa yang akan datang serta mampu melakukan optimasi dalam proses mencari informasi dalam basis data yang besar dan mampu menemukan pola-pola yang tidak diketahui sebelumnya. Dengan menggunakan data mining maka pencarian data dari system prediksi kepuasan pelayanan akademik dapat dilakukan [2]. Sedangkan Naïve Bayes merupakan teknik mengklasifikasikan probabilitas sederhana yang mengaplikasikan teorema bayes yang mampu mengolah data kuantitatif dan data diskrit untuk perhitungan estimasi peluang yang dibutuhkan untuk klasifikasi [3]. Atribut yang digunakan NIM, Jenis Kelamin, Kelas Mahasiswa, Layanan informasi perkuliahan, layanan keamanan data pribadi serta layanan informasi nilai, dengan menggunakan algoritma naïve bayes berhasil memprediksi layanan akademik sebesar 52% dengan data training sebesar 100 data dan data uji 17 data.
References
[1] J. Selatan, “INDEKS KEPUASAN MAHASISWA TERHADAP PELAYANAN,” vol. 7, no. 3, pp. 272–285, 2017.
[2] D. A. Kurniawan and D. Kriestanto, “Penerapan naïve bayes untuk prediksi kelayakan kredit,” vol. 1, no. 1, pp. 19–23, 2016.
[3] P. Studi and T. Informatika, “Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier ( Studi Kasus STMIK Dipanegara ),” vol. VII, no. 1, pp. 193–202, 2018.
[4] A. I. Jamhur, “PENERAPAN DATA MINING UNTUK MENGANALISA JUMLAH,” vol. 23, no. 2, pp. 12–20, 2016.
[5] D. Teknik, I. Universitas, N. Bayes, N. Bayes, and N. Bayes, “PENERAPAN ALGORITMA NAIVE BAYES UNTUK MENGKLASIFIKASI DATA NASABAH.”
[6] T. H. Apandi, C. A. Sugianto, and C. R. Service, “Algoritma Naive Bayes untuk Prediksi Kepuasan Pelayanan Perekaman e-KTP ( Naive Bayes Algorithm for Satisfaction Prediction of e-ID,” vol. 7, no. November, pp. 125–128, 2019.
[7] A. V. Pakpahan and H. Irawan, “PENERAPAN ALGORITMA NAIVE BAYES UNTUK MENENTUKAN NASABAH POTENSIAL PADA AJB BUMIPUTERA 1912,” vol. 10, no. 2, 2017.
[8] S. Kasus and S. Pringsewu, “ANALISIS KEPUASAN MAHASISWA TERHADAP PELAYANAN AKADEMIK MENGGUNAKAN METODE ALGORITMA C4 . 5,” vol. 02, no. 01, pp. 1–11, 2016.
[9] N. Nasution et al., “Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naïve Bayes ( Studi Kasus : Fasilkom Unilak ),” pp. 1–11, 2015.
[10] A. E. Wicaksono, J. T. Informatika, U. Gunadarma, and P. Data, “Implementasi data mining dalam pengelompokan data peserta didik di sekolah untuk memprediksi calon penerima beasiswa dengan menggunakan algoritma k- means (studi kasus sman 16 bekasi),” vol. 21, no. 3, 2016.
[11] P. Studi, S. Informasi, and U. K. Indonesia, “PENERAPAN NAÏVE BAYES CLASSIFIER UNTUK PEMILIHAN KONSENTRASI MATA KULIAH,” 2016.
[12] A. N. Putri, “PENERAPAN NAIVE BAYESIAN UNTUK PERANKINGAN KEGIATAN DI FAKULTAS TIK UNIVERSITAS SEMARANG,” vol. 8, no. 2, pp. 603–610, 2017.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
JATIS oleh http://jurnal.mdp.ac.id/index.php/jatisi disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.
