Implemetasi Algoritma Rough Set Quick Reduct dan Naive Bayes dalam Memprediksi Nilai Prestasi Mahasiswa
Abstract
Memprediksi nilai prestasi mahasiswa menjadi hal yang penting agar perkuliahan bisa berjalan dengan lancar. Dengan menggunakan nilai Indeks Prestasi Semester (IPS) maka bisa diprediksi bagaimana nilai prestasi akademik mahasiswa kedepannya. Prediksi ini bisa membantu dosen pembimbing akademik, prodi, maupun mahasiswa itu sendiri. Penerapan algoritma Rough set quick reduct dan algoritma Naïve bayes untuk memprediksi nilai prestasi mahasiswa, dimana akan membuat dua model untuk pengklasifikasian dengan naïve bayes. Yang pertama, yaitu dengan data atribut yang sudah dieliminasi oleh rough set quick reduck dengan nilai konsistensi 0.92, dan hasil akurasi sebesar 82% dengan waktu eliminasi 00.40 detik. Pengklasifikasian ke-dua yang menggunakan data langsung tanpa adanya eliminasi data dengan rough set quick reduct dengan hasil akurasi sebesar 83% dalam waktu eksekusi selama 00.49 detik. Walaupun hasil dari akurasi dari kedua pengklasifikasian sama tetapi waktu dalam eksekusi meiliki perbedaan dimana data atribut yang telah dieliminasi oleh algoritma rough set quick reduct lebih cepat 00.09 detik dari data yang tanpa tahap pengeliminasian atribut.