PERBANDINGAN KLASIFIKASI KETEPATAN WAKTU KELULUSAN MAHASISWA MENGGUNAKAN REGRESI LOGISTIK BINER DAN NAÏVE BAYES CLASSIFIER (Studi kasus : Data Kelulusan Mahasiswa S1 tahun akademik 2016/2017 Universitas Islam Indonesia

Abstract

Pendidikan merupakan salah satu kebutuhan manusia yang sangat penting, karena pendidikan memiliki tugas untuk menyiapkan sumber daya manusia bagi pembangunan bangsa dan negara. Dalam pembangunan bangsa dan negara tersebut, perlu adanya peningkatan dari pendidikan yaitu kualitas pendidikan. Kualitas pendidikan dapat dilihat dari suatu pencapaian pembelajaran orang tersebut. Salah satu pencapaian pembelajaran orang tersebut dapat dilihat dari kelulusan mahasiswa selama menempuh pendidikan. Kelulusan adalah hasil akhir pencapaian seseorang dalam menempuh suatu pendidikan, dimana lama studi seorang mahasiswa secara umum ditempuh waktu dalam 8 semester atau 4 tahun. Tetapi masih banyak mahasiswa yang menempuh waktu lebih dari 4 tahun. Universitas Islam Indonesia merupakan salah satu Universitas Swasta tertua di Indonesia, dimana memiliki jumlah mahasiswa maupun alumni yang sangat banyak. Terdapat banyak faktor-faktor yang mempengaruhi lama studi mahasiswa dalam menempuh suatu pendidikan. Tujuan dari penelitian ini adalah untuk mengetahui faktor-faktor yang berpengaruh secara signifikan terhadap lama studi mahasiswa Universitas Islam Indonesia dan melakukan klasifikasi ketepatan waktu kelulusan mahasiswa menggunakan Regresi Logistik Biner serta melakukan perbandingan klasifikasi dengan Algoritma Naïve Bayes Classifier, karena data yang digunakan cukup besar. Berdasarkan analisis Regresi Logistik Biner didapatkan faktor-faktor yang berpengaruh secara signifikan terhadap lama studi mahasiswa yaitu, variabel Jenis Kelamin, Asal Daerah, Jenis SMA, Jurusan SMA, IPK mahasiswa. Klasifikasi menggunakan Regresi Logistik Biner menggunakan variabel yang signifikan tersebut mendapatkan akurasi sebesar 82,29%, sedangkan hasil klasifikasi menggunakan Algoritma Naïve Bayes sebesar 89,10%. Hal ini dapat dikatakan pengklasifikasian menggunakan Naïve Bayes Classifier lebih baik dibandingkan Regresi Logistik Biner.