Komparasi Algoritma Naive Bayes dan Decision Tree Untuk Memprediksi Lama Studi Mahasiswa

  • Indera Cahyo Wibowo Universitas Nahdlatul Ulama Blitar
  • Abd. Charis Fauzan Universitas Nahdlatul Ulama Blitar
  • Marshella Dwi Putri Yustiana Universitas Nahdlatul Ulama Blitar
  • Fiqih Ainul Qhabib Universitas Nahdlatul Ulama Blitar
Keywords: naive bayes, decision tree, komparasi

Abstract

Penelitian ini bertujuan memprediksi lama studi mahasiswa lulus tepat waktu atau terlambat lulus. Data yang digunakan yaitu: Gender, Status Mahasiswa, Nilai, dan Beasiswa dari semester awal sampai semester akhir di tahun ajaran 2018 – 2019. Penelitian ini menggunakan 2 metode, untuk metode yang pertama adalah Naïve Bayes dan yang kedua adalah Decision Tree. Gunakan semua data yang telah diperoleh dan hitung dengan kedua metode sampai mendapatkan hasil akhir dan akurasinya lalu komparasikan keduanya.

Hasil pengkomparasian dari data dan menggunakan dua metode perhitungan keakurasiannya yaitu 30% untuk Naïve bayes, dan 55% untuk metode Decision Tree. Dari komparasi menggunakan dua metode dapat diambil kesimpulan bahwa metode Decision Tree memiliki persentase keakuratan yang lebih tinggi dibandingkan Naïve Bayes sehingga dapat dikatakan metode Decision Tree lebih akurat dan lebih detail daripada Naïve Bayes.  

Published
2019-12-31