Prediksi Kelulusan Mahasiswa Menggunakan Algoritma Naive Bayes: Studi Kasus Universitas Ibnu Sina Batam
DOI:
https://doi.org/10.36352/jr.v8i02.1438Keywords:
Internet of Things (IoT), Machine Learning, Intrusion Detection System (IDS), Cybersecurity, DDoS, Random Forest, Support Vector Machine (SVM).Abstract
Tingkat kelulusan mahasiswa merupakan indikator penting kualitas pendidikan tinggi. Penelitian ini bertujuan mengembangkan model prediksi kelulusan mahasiswa menggunakan algoritma Naive Bayes dengan memanfaatkan data akademik, sosial-demografis, dan ekonomi mahasiswa di Universitas Ibnu Sina Batam. Dataset mencakup 1.247 rekaman data mahasiswa Program Studi Teknik Informatika dan Sistem Informasi angkatan 2017–2021. Metode validasi menggunakan stratified 10-fold cross-validation. Hasil menunjukkan akurasi 89,74%, presisi 88,31%, recall 91,05%, dan F1-Score 89,66%. Perbandingan dengan Decision Tree dan SVM menunjukkan Naive Bayes unggul dalam efisiensi komputasi. IPK semester 1–4 dan tingkat kehadiran terbukti sebagai prediktor paling signifikan.
