Implementasi Algoritma Naïve Bayes Dan Regresi Logistik Dalam Klasifikasi Tepat Studi Mahasiswa Statistika Universitas Islam Indonesia (Studi Kasus : Data Akademik Alumni dan Mahasiswa Program Studi Statistika UII Angkatan 2012)

Abstract

Tepat studi merupakan status lulus mahasiswa dalam menyelsaikan studinya di perguruan tinggi. Dalam mencapai gelar sarjana dibutuhkan waktu normal yaitu selama empat tahun, tetapi masih ada mahasiswa yang menyelesaikan studinya melebihi batas normal (lebih dari empat tahun). Hal tersebut akan berdampak pada nilai akreditasi program studi. Dalam penelitian ini digunakan 6 variabel yaitu Indeks Prestasi Kelulusan (IPK), Jurusan sekolah, Jenis kelamin, keikutsertaan menjadi asisten, kurikulum, dan asal daerah, yang diklasifikasikan berdasarkan status tepat studi mahasiswa lebih dari empat tahun dan kurang dari sama dengan empat tahun. Metode yang digunakan untuk klasifikasi tepat studi mahasiswa adalah algoritma naïve bayes dan akan dibandingkan dengan metode regresi logistik. Berdasarkan hasil penelitian didapatkan algoritma naïve bayes lebih unggul dari regresi logistik dalam pengklasifikasian tepat studi mahasiswa statistika UII angkatan 2012 dengan tingkat akurasi sebesar 75.86%. Kata Kunci: RegresiLogistik, Naïve Bayes, Tepat Studi. Klasifikasi