KLASIFIKASI KELULUSAN MAHASISWA MENGGUNAKAN METODE NAIVE BAYES

Penelitian ini bertujuan untuk mengevaluasi efektivitas metode Naïve Bayes dalam memprediksi status kelulusan mahasiswa, yakni antara kategori dropout dan graduate. Data yang digunakan berasal dari dataset historis mahasiswa dengan jumlah fitur yang beragam, mencakup aspek akademik, demografis, dan ekonomi. Penelitian menguji performa model klasifikasi dengan tiga skenario pembagian data uji coba yakni 60:40, 70:30, dan 80:20. Evaluasi dilakukan dengan menggunakan metrik akurasi, precision, recall, F1-score, serta analisis confusion matrix sebagai indikator kelas prediksi benar dan salah untuk tiap kategori. Hasil pengujian memperlihatkan 60:40 dengan hasil akurasi mencapai 84.92%, 70:30 mencapai 85.22%, dan 80:20 akurasinya mencapai 85.67% dengan demikian model Naïve Bayes mampu memberikan prediksi yang cukup akurat pada ketiga skenario, dengan performa terbaik dicapai pada skenario 60:40 yang menunjukkan keseimbangan optimal antara data pelatihan dan pengujian. Meskipun demikian, model masih menunjukkan sejumlah kesalahan klasifikasi yang mayoritas berasal pada bagian kelas dropout, sehingga diperlukan perhatian lebih dalam pengolahan data dan teknik balancing. Penelitian ini memberikan kontribusi dalam pengembangan sistem pendukung keputusan akademik berbasis data yang dapat membantu institusi pendidikan tinggi dalam melakukan identifikasi dini terhadap mahasiswa berisiko dropout, sehingga intervensi dan kebijakan dapat dilakukan secara lebih efektif.