Implementasi Algoritma Naive Bayes dan Algoritma Rough Set untuk Memprediksi Tingkat Pemahaman Mahasiswa terhadap Mata Kuliah

Abstract

Dalam proses belajar mengajar tingkat pemahaman mahasiswa terhadap mata kuliah merupakan salah satu hal utama yang penting bagi berjalannya proses kegiatan perkuliahan. Maka dari itu perlu adanya prediksi Tingkat Pemahaman Mahasiswa terhadap Mata Kuliah menggunakan algoritma rough set dan algoritma naïve bayes tujuan peneliitian ini ingin mengetahui performa naive bayes dan rough set dalam memprediksi Tingkat Pemahaman Mahasiswa Terhadap Mata Kuliah dan mengkomparasi hasilnya dengan algoritma naive bayes saja. Jumlah data yang digunakan untuk proses pengujuan kinerja algoritma adalah 146 data mahasiswa dengan rasio 30% data testing 70% data training hasil pengujian algoritma rough set dan naïve bayes menghasilkan akurasi 67.14%, sedangkan metode naïve bayes tanpa rough set mengkasilkan akurasi 62.44%. Berdasarkan evaluasi diketahui bahwa penggunaan metode rough set dapat meningkatkan hasil prediksi pada klasifikasi naïve bayes dari hasil akurasi 62.79% menjadi 67.44%. Sehingga penggunaan rough set dan naïve bayes sangat bagus dan dapat diterapkan dengan sangat baik, dan dapat digunakan dalam memprediksi tingkat pemahaman mahasiswa terhadap mata kuliah pemprogaman berbasis objek (PBO).