Implementasi Algoritma Naïve Bayes dalam Prediksi Penerimaan Mahasiswa Penerima Beasiswa KIP di Universitas Adzkia

Authors

  • Muhammad Thoriq Universitas Adzkia
  • Fajar Maulana Universitas Adzkia
  • Yofhanda Septi Eirlangga Universitas Adzkia
  • Nova Hayati Universitas Adzkia
  • Muhammad Ashim Madani Universitas Adzkia

DOI:

https://doi.org/10.37859/jf.v15i1.8959
Keywords: Naïve Bayes, Kartu Indonesia Pintar, Klasifikasi, Data Mining, Seleksi Mahasiswa

Abstract

Penelitian ini bertujuan untuk mengembangkan model prediksi penerimaan pendaftar beasiswa Kartu Indonesia Pintar (KIP) di Universitas Adzkia menggunakan algoritma Naïve Bayes. Proses prediksi dilakukan dengan memanfaatkan perangkat lunak RapidMiner melalui pendekatan Knowledge Discovery in Database(KDD) yang mencakup lima tahapan utama: seleksi data, pra-pemrosesan, transformasi, pemodelan, dan evaluasi. Dataset yang digunakan terdiri dari 829 data pendaftar beasiswa KIP tahun 2024, dengan enam atribut utama: Status DTKS, Status P3KE, Kabupaten/Kota Sekolah, Provinsi Sekolah, Jenis Kelamin, dan Status Pendaftar (Diterima/Tidak Diterima). Model prediksi diuji melalui tiga skenario pembagian data, yaitu rasio 70:30, 80:20, dan 90:10. Hasil evaluasi menunjukkan bahwa skenario pembagian data 80:20 memberikan performa terbaik dengan akurasi 77,11%, precision 66,67%, dan recall 5,13%. Nilai recall yang rendah disebabkan oleh jumlah pendaftar yang diterima beasiswa sangat sedikit dibandingkan dengan total pendaftar, serta banyaknya peserta yang tidak memenuhi syarat penerimaan sesuai kriteria KIP Kuliah. Ketidakseimbangan kelas dalam dataset ini berdampak pada kemampuan model dalam mengenali kelas minoritas (diterima). Temuan ini menunjukkan bahwa algoritma Naïve Bayes dapat digunakan sebagai pendekatan awal untuk seleksi beasiswa berbasis data, meskipun diperlukan pengembangan lebih lanjut, baik dari segi teknik penyeimbangan data maupun eksplorasi algoritma lain. Hasil penelitian ini dapat dimanfaatkan oleh Tim PMB Universitas Adzkia untuk mempercepat dan mengefisienkan proses seleksi penerima beasiswa KIP secara objektif.

Downloads

Download data is not yet available.

References

F. Nuraeni, D. Kurniadi, and G. Fauzian Dermawan, “Pemetaan Karakteristik Mahasiswa Penerima Kartu Indonesia Pintar Kuliah (KIP-K) menggunakan Algoritma K-Means++,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 11, no. 3, pp. 437–443, 2023.

A. Amin, R. N. Sasongko, and A. Yuneti, “Kebijakan Kartu Indonesia Pintar untuk Memerdekakan Mahasiswa Kurang Mampu,” J. Adm. Educ. Manag., vol. 5, no. 1, pp. 98–107, 2022.

D. T. Yuliana, M. I. A. Fathoni, and N. Kurniawati, “Penentuan Penerima Kartu Indonesia Pintar KIP Kuliah Dengan Menggunakan Metode K-Means Clustering,” J. Focus Action Res. Math. (Factor M), vol. 5, no. 1, pp. 127–141, 2022.

Gagan Suganda, Marsani Asfi, Ridho Taufiq Subagio, and Ricky Perdana Kusuma, “Penentuan Penerima Bantuan Beasiswa Kartu Indonesia Pintar (Kip) Kuliah Menggunakan Naïve Bayes Classifier,” JSiI (Jurnal Sist. Informasi), vol. 9, no. 2, pp. 193–199, 2022.

Muhammad Thoriq, A. E. Syaputra, and Y. S. Eirlangga, “Prediksi Peningkatan Kunjungan Pasien Dimasa Mendatang Mengunakan Jaringan Saraf Tiruan Backpropagation,” J. Fasilkom, vol. 14, no. 1, pp. 34–40, 2024.

A. Veronica Agustin and A. Voutama, “Implementasi Data Mining Klasifikasi Penyakit Diabetes Pada Perempuan Menggunakan Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 2, pp. 1002–1007, 2023.

M. Yunus, H. Ramadhan, D. R. Aji, and A. Yulianto, “Penerapan Metode Data Mining C4.5 Untuk Pemilihan Penerima Kartu Indonesia Pintar (KIP),” Paradig. - J. Komput. dan Inform., vol. 23, no. 2, 2021.

R. I. Borman and M. Wati, “Penerapan Data Maining Dalam Klasifikasi Data Anggota Kopdit Sejahtera Bandarlampung Dengan Algoritma Naïve Bayes,” J. Ilm. Fak. Ilmu Komput., vol. 09, no. 01, pp. 25–34, 2020.

S. Rokhanah, A. Hermawan, and D. Avianto, “Pengaruh Principal Component Analysis Pada Naïve Bayes dan K-Nearest Neighbor Untuk Prediksi Dini Diabetes Melitus Menggunakan Rapidminer,” EVOLUSI J. Sains dan Manaj., vol. 11, no. 1, 2023.

Y. S. Eirlangga, A. E. Syaputra, M. Thoriq, and U. Adzkia, “SPK Penyeleksian Siswa Kelas Unggul Dengan Metode Analytical Hierarchy Process ( AHP ),” vol. 14, no. 1, pp. 256–262, 2024.

Rayuwati, Husna Gemasih, and Irma Nizar, “IMPLEMENTASI AlGORITMA NAIVE BAYES UNTUK MEMPREDIKSI TINGKAT PENYEBARAN COVID,” Jural Ris. Rumpun Ilmu Tek., vol. 1, no. 1, pp. 38–46, 2022.

D. Darwis, N. Siskawati, and Z. Abidin, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional,” J. Tekno Kompak, vol. 15, no. 1, p. 131, 2021.

M. R. Putra, F. Nurdiyansyah, and A. Y. Rahman, “Klasifikasi Jenis Burung Cucak Berdasarkan Suara Menggunakan MFCC Dan Naive Bayes,” vol. 14, no. 2, pp. 463–470, 2024.

W. Djatmiko, Kusrini, and Hanafi, “Perbandingan Naive Bayes dan Random Forest untuk Prediksi Perilaku Peserta Program Rujuk Balik,” J. Fasilkom, vol. 13, no. 3, pp. 358–367, 2023.

Hidayatunnisa, Kusrini, and Kusnawi, “Perbandingan Kinerja Metode Naive Bayes dan Support Vector Machine dalam Analisis Soal,” J. Fasilkom, vol. 13, no. 2, pp. 173–180, 2023.

R. Aziz, Tresna Maulana Fahrudin, and Wahyu Syaifullah Jauharis Saputra, “Analisis Sentimen Kepuasan Pengguna OYO DiPlaystore Dengan Multinoial Naive Bayes dan Chi-square,” J. Fasilkom, vol. 14, no. 1, pp. 166–175, 2024.

M. Asfi and N. Fitrianingsih, “Implementasi Algoritma Naive Bayes Classifier sebagai Sistem Rekomendasi Pembimbing Skripsi,” J. Nas. Inform. dan Teknol. Jar., vol. 5, pp. 45–50, 2020.

D. Novianti, “Implementasi Algoritma Naïve Bayes Pada Data Set Hepatitis Menggunakan Rapid Miner,” Paradig. - J. Komput. dan Inform., vol. 21, no. 1, pp. 49–54, 2019.

A. Nur Kirana, B. Nurhakim, S. Eka Permana, W. Prihartono, and G. Dwilestari, “Implementasi Algoritma Naive Bayes Untuk Memprediksi Cuaca Menggunakan Rapidminer,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1637–1642, 2024.

Downloads

Published

2025-05-17

Issue

Vol. 15 No. 1 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)

Section

Articles

License

Copyright Notice

An author who publishes in the Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) agrees to the following terms:

  • Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
  • Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
  • Author is  permitted and encouraged to post his/her  work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).

Read more about the Creative Commons Attribution-ShareAlike 4.0 Licence here: https://creativecommons.org/licenses/by-sa/4.0/.