TY  - GEN
CY  - UNIVERSITAS LAMPUNG
ID  - eprints89054
UR  - http://digilib.unila.ac.id/89054/
A1  - SHELVIRA , HESTINA PUTRI 
Y1  - 2025/06/03/
N2  - Perkembangan teknologi informasi telah mendorong pemanfaatan data mining dalam
berbagai bidang, termasuk dunia pendidikan. Data mining memungkinkan analisis
terhadap data berukuran besar untuk menemukan pola yang bermakna dan
menghasilkan prediksi berdasarkan pola tersebut. Dalam konteks pendidikan tinggi,
ketepatan waktu kelulusan mahasiswa merupakan indikator penting yang berkaitan
dengan akreditasi program studi dan efisiensi institusi. Penelitian ini bertujuan untuk
membandingkan performa dua algoritma klasifikasi berbasis machine learning,
yaitu NaĻ?ve Bayes dan Random Forest, dalam memprediksi masa studi mahasiswa
Program Studi Sarjana Matematika Universitas Lampung. Data yang digunakan
adalah data akademik mahasiswa yang telah diberi label berdasarkan status kelulusan
tepat waktu atau tidak. Evaluasi model dilakukan dengan menggunakan confusion
matrix dan dua teknik validasi, yaitu metode data splitting dan k-fold cross
validation. Hasil pengujian menunjukkan bahwa algoritma Random Forest memiliki
akurasi tertinggi sebesar 94,44%, mengungguli NaĻ?ve Bayes. Selain itu, kedua
model mencapai hasil akurasi tertinggi saat menggunakan metode data splitting.
Hasil penelitian ini menunjukkan bahwa Random Forest merupakan metode yang
lebih baik dalam klasifikasi masa studi sarjana Matematika Universitas Lampung.
Kata-kata kunci: Data Mining, klasifikasi, NaĻ?ve Bayes, Random Forest, Perbandingan,
Masa Studi, Kelulusan Tepat Waktu.
PB  - FAKULTAS MATEMATIKA ILMU PENGETAHUAN ALAM
TI  - PERBANDINGAN MODEL NAĻIVE BAYES DAN RANDOM FOREST
DALAM PREDIKSI KLASIFIKASI MASA STUDI SARJANA
MATEMATIKA UNIVERSITAS LAMPUNG
AV  - restricted
ER  -