Analisis Optimasi Forward Selection pada Klasifikasi Nilai Mahasiswa dengan Algortima Naïve Bayes Classifer Studi Kasus : Universitas Muhammadiyah Kalimantan Timur

Abstract

Nilai akademik mahasiswa Universitas Muhammadiyah Kalimantan Timur tahun ajaran 2020/2021 terjadi penurunan signifikan pada Mata Kuliah Bahasa Arab. Hal ini dipandang perlu untuk dilakukan analisis data dengan proses Data Mining yakni klasifikasi sebagai evaluasi untuk menentukan apa yang menjadi parameter penurunan dari mata kuliah tersebut. Tujuan penelitian ini akan mengimplementasikan Algoritma Naïve Bayes Classifier dengan Seleksi Fitur Forward Selection untuk mendapatkan nilai akurasi dan atribut yang paling berpengaruh dalam Mata Kuliah Bahasa Arab. Jumlah data yang digunakan adalah 943 record dengan menerapkan pembagian data menggunakan K – Fold Cross Validation. Hasil pengujian evaluasi rata rata fold yakni sebesar 86% tanpa menggunakan Seleksi Fitur dan Akurasi meningkat 7% yakni menjadi 93% setelah menggunakan Optimasi Forward Selection.