IMPLEMENTASI METODE NAIVE BAYES PADA EVALUASI KEPUASAN MAHASISWA DALAM LAYANAN AKADEMIK DAN NON AKADEMIK

Siti Hanifah, Indra Gunawan

Abstract


Machine learning atau pembelajaran mesin merupakan salah satu teknologi dari cabang ilmu kecerdasan buatan (Artificial Intelligence) yang dapat menjalankan perintah tanpa intruksi dari pengguna sehingga bisa belajar selayaknya manusia serta dapat menampung banyak dataset. Salah satu kegunaan machine learning adalah untuk mengetahui hasil prediksi kepuasan mahasiswa terhadap layanan akademik dan non akademik dalam perguruan tinggi. Permasalahan penelitian ini yaitu bagaimana mengevaluasi kepuasan mahasiswa dalam layanan akademik dan non akademik pada perguruan tinggi menggunakan Algoritma Naïve bayes dengan Bahasa Pemrograman Python dan framework Django. Tujuan penelitian ini adalah untuk melakukan prediksi pada kepuasan mahasiswa dengan menggunakan machine learning sebagai dasar pertimbangan dalam mengambil keputusan dalam mengevaluasi kepuasan mahasiswa. Metode Syntheic Minority Over-sampling Technique (SMOTE) diimplementasikan pada penelitian ini untuk mengatasi ketidakseimbangan data. Penelitian menggunakan dataset dari kuesioner SIAKAD STT Ronggolawe Cepu tahun 2023-2024 dengan 163 data. Dataset terdiri dari 20 fitur P1, P2, P3, P4, P5, P6, P7, P8, P9, P10, P11, P12, P13, P14, P15, P16, P17, P18, P19, dan P20 yang mewakili 20 pertanyaan kuesioner. Metode yang digunakan adalah Algoritma Naive Bayes untuk mengetahui akurasi dan efisiensi prediksi kepuasan mahasiswa. Dari hasil eksperimen yang telah dilakukan, dapat disimpulkan bahwa Algoritma Naïve Bayes menunjukkan accuracy dengan nilai sebesar 0.85, precision sebesar 0.86, recall sebesar 0.85. Hasil experimen machine learning terdapat 5 fitur yang berpengaruh terhadap kepuasan mahasiswa yaitu P4, P6, P9, P14, dan P19 yang digunakan sebagai fitur utama pada pendeteksian data baru berbasis web. Dengan 5 fitur tersebut, maka kepuasan mahasiswa terhadap layanan akademik dan non akademik dapat diprediksi sejak dini sehingga dapat mempermudah bagian sistem penjaminan mutu (SPMI) untuk mengambil keputusan serta mengetahui hasil yang di inginkan tanpa harus menggunakan 20 kuesioner yang ada.


Keywords


Naïve Bayes, kepuasan mahasiswa, klasifikasi, machine learning

Full Text:

PDF

References


Aeni, K. A. (2020). Prediksi Kepuasan Layanan Akademik Menggunakan Algoritma Naïve Bayes. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 7(3), 601–609. https://doi.org/10.35957/jatisi.v7i3.603

Ahmad Hania, A. (2017). Mengenal Artificial Intelligence, Machine Learning, & Deep Learning. Jurnal Teknologi Indonesia, 1(June), 1–6. https://amt-it.com/mengenal-perbedaan-artificial-inteligence-machine-learning-deep-learning/

Awi Hamzah Rambe. (2022). Klasifikasi Data Getaran Motor Beat Pop.

Damanik, A. R., Sumijan, S., & Nurcahyo, G. W. (2021). Prediksi Tingkat Kepuasan dalam Pembelajaran Daring Menggunakan Algoritma Naïve Bayes. Jurnal Sistim Informasi Dan Teknologi, 3, 88–94. https://doi.org/10.37034/jsisfotek.v3i3.49

Dewi, L. P., Indahyanti, U., & S, Y. H. (2021). Pemodelan Proses Bisnis Menggunakan Activity Diagram Uml Dan Bpmn ( Studi Kasus Frs Online ). Informatika, 1–9.

Fatmasari, R., Ayu, V. M., Anto, H., Gata, W., & Yulianto, L. D. (2022). Analisis Sentimen Dalam Pengkategorian Komentar Youtube Terhadap Layanan Akademik dan Non-Akademik Universitas Terbuka Untuk Prediksi Kepuasan. Building of Informatics, Technology and Science (BITS), 4(2), 395–404. https://doi.org/10.47065/bits.v4i2.1738

Firdaus, A., Firmansyah, A., Maulana Hadi, D., Febryansyah, F., Aditya, G., Assauqi Alex, M., Afriyan Arief, M., Yoga Febriansyah, M., Dwiky Dharmawan, O., Tiwa Saputra, R., & Bagoes Satria, M. (2022). Sosialisasi Penggunaan Microsoft Office kepada Pengurus dan Anggota Yayasan Hasanah Manggala Tama. Praxis: Jurnal Pengabdian Kepada Masyarakat, 2(1), 61–65. http://pijarpemikiran.com/

Hasdiana, U. (2018). No 主観的健康感を中心とした在宅高齢者における 健康関連指標に関する共分散構造分析Title. Analytical Biochemistry, 11(1), 1–5. http://link.springer.com/10.1007/978-3-319-59379-1%0Ahttp://dx.doi.org/10.1016/B978-0-12-420070-8.00002-7%0Ahttp://dx.doi.org/10.1016/j.ab.2015.03.024%0Ahttps://doi.org/10.1080/07352689.2018.1441103%0Ahttp://www.chile.bmw-motorrad.cl/sync/showroom/lam/es/

Hutagalung, A. (1967). Perancangan Aplikasi Sistem Informasi Migrasi Data Berbasis Web Dengan Framework Django. Angewandte Chemie International Edition, 6(11), 951–952., 5–24.

Junifer Pangaribuan, J., Tanjaya, H., & Kenichi, K. (2021). Mendeteksi Penyakit Jantung Menggunakan Machine Learning Dengan Algoritma Logistic Regression. Journal Information System Development (ISD), 06(02), 1–10.

Mambang, Marleny, F. D., & Zulfadilah, M. (2022). Algoritma Pemrograman dengan Menggunakan Python (Issue September).

Nalatissifa, H., Gata, W., Diantika, S., & Nisa, K. (2021). Perbandingan Kinerja Algoritma Klasifikasi Naive Bayes, Support Vector Machine (SVM), dan Random Forest untuk Prediksi Ketidakhadiran di Tempat Kerja. Jurnal Informatika Universitas Pamulang, 5(4), 578. https://doi.org/10.32493/informatika.v5i4.7575

Nana, D., & Elin, H. (2018). Memilih Metode Penelitian Yang Tepat: Bagi Penelitian Bidang Ilmu Manajemen. Jurnal Ilmu Manajemen, 5(1), 288. https://jurnal.unigal.ac.id/index.php/ekonologi/article/view/1359

Pelham, I. (2023). Erd2. Secretory Pathway, 5, 135–135. https://doi.org/10.1093/oso/9780198599425.003.0085

Qomariah, S., Ekawati, H., & Belareq, S. (2020). Implementasi Metode Data Mining Apriori Pada Aplikasi Penjualan Pt. Tiga Raksa Satria. Komputasi: Jurnal Ilmiah Ilmu Komputer Dan Matematika, 17(1), 329–338. https://doi.org/10.33751/komputasi.v17i1.1747

Romadhon, M. H., Yudhistira, Y., & Mukrodin, M. (2021). Sistem Informasi Rental Mobil Berbsasis Android Dan Website Menggunakan Framework Codeigniter 3 Studi Kasus : CV Kopja Mandiri. Jurnal Sistem Informasi Dan Teknologi Peradaban (JSITP), 2(1), 30–36.

Romli, I., & Zy, A. T. (2020). Penentuan Jadwal Overtime Dengan Klasifikasi Data Karyawan Menggunakan Algoritma C4.5. Jurnal Sains Komputer & Informatika (J-SAKTI, 4(2), 694–702.

Safwandi, S. (2021). Analisis Perancangan Sistem Informasi Sekolah Menengah Kejuruan 1 Gandapura Dengan Model Diagram Konteks Dan Data Flow Diagram. Jurnal Teknologi Terapan and Sains 4.0, 2(2), 525. https://doi.org/10.29103/tts.v2i2.4724

Sari, V. N., Suranti, D., Informatika, D., Komputer, F. I., Bengkulu, U. D., Informasi, D. S., Komputer, F. I., & Bengkulu, U. D. (2021). Implementasi Metode Bayes Dalam Evaluasi Kepuasan. 4(1), 12–21.


Refbacks

  • There are currently no refbacks.


Editorial Office :

Prosiding SENDIKO (Seminar Nasional Hasil Penelitian & Pengabdian Masyarakat Bidang Ilmu Komputer)
Published by Universitas PGRI Madiun
Managed by Program Studi Sistem Informasi Fakultas Teknik Universitas PGRI Madiun
Address Jl. Auri 14-16 Kota Madiun Kampus III Universitas PGRI Madiun 63118
Website http://prosiding.unipma.ac.id/index.php/sendiko/index
Email [email protected]

e-ISSN:  3025-4604