Analisis Seleksi Atribut Dalam Memprediksi Kegagalan Skripsi Mahasiswa Menggunakan Algoritme Naïve Bayes pada Jurusan Sistem Informasi Universitas Brawijaya

Data mining dapat diterapkan pada bidang lembaga atau institusi Pendidikan dan sering disebut juga dengan Educational Mining (EDM) yaitu sebuah pengembangan metode dalam mengeksplorasi jenis tipe data pendidikan yang bersifat unik bertujuan untuk mempelajari memahami kinerja siswa pengaturan lingkungan di tempat belajar. dimanfaatkan analisa seleksi atribut prediksi kegagalan belajar mahasiswa perkuliahan. Salah satunya menyelesaikan skripsi menggunakan algoritme naïve bayes. Tahapan penelitian ini dimulai dari pengumpulan data, preproses implementasi bayes, pengujian, hasil. digunakan sebanyak 500 angkatan 2012-2015 24 atribut. Akurasi tertinggi naive bayes latih menunjukkan hasil 412 benar akurasi sebesar 82.4% 88 salah presentasi 17.6%. Sedangkan telah dilakukan terdapat Lama P2 merupakan rankinging teratas mempengaruhi klasifikasi. Abstract can be applied to the field of educational institutions or and is often referred as (EDM), which a method development in exploring unique types that aim study understanding student performance environmental settings students learn. also used analyze attribute selection for predicting learning failure lectures. One them completing thesis using Bayes algorithm. The stages this research started from collection, preprocessing, implementation Naïve algorithm, testing, analysis results. much class with attributes. highest accuracy Naive algorithm training shows results correct predictions an false presentation Meanwhile, result has been carried out Old top ranking affects classification