Penulis:
Norzam Yahya, Arief Jananto
Abstrak:
Universitas Stikubank merupakan salah satu Perguruan Tinggi Swasta di Semarang yang telah berdiri cukup lama dengan jumlah mahasiswa yang diterima di tiap tahun cukup banyak. Setiap tahun ajaran baru, kegiatan penerimaan mahasiswa baru dikampus ini terus menghasilkan data mahasiswa yang semakin banyak.
Namun masih terdapat sebuah masalah yaitu jumlah mahasiswa baru yang mendaftar belum dapat menggambarkan mahasiswa yang akan melanjutkan ke proses registrasi ulang. Hal tersebut disebabkan paradigm masyarakat yang masih memprioritaskan kuliah di Perguruan Tinggi Negeri dibandingkan Perguruan Tinggi Swasta. Maka diperlukan suatu upaya bagi Unisbanku ntuk mengidentifikasi pola data PMB yang ada menjadi sebuah informasi yang bernilai penting khususnya dalam memprediksi jumlah mahasiswa baru yang akan mendaftar.
Dalam penelitian ini penulis menerapkan salah satu metode dalam teknik data mining yaitu klasifikasi. Kemudian membandingkan kinerja antara algoritma C45 dan Naive Bayes untuk mencari algoritma dengan tingkat akurasi terbaik dalam memprediksi masuknya calon mahasiswa baru di Unisbank. Selanjutnya didapatkan hasil tertinggi pada pengujian dengan data training sebanyak 2133 dan data testing sebanyak 533 yaitu algoritma C45 memiliki nilai akurasi lebih tinggi sebesar 88.74% dibandingkan algoritma Naive Bayes yang memiliki akurasi sebesar 87.24%.
Metode / Algoritma:
Naive Bayes, C45
Cocok untuk Fakultas:
Teknik Informatika, Sistem Informasi
