Fitur Seleksi Forward Selection Untuk Menetukan Atribut Yang Berpengaruh Pada Klasifikasi Kelulusan Mahasiswa Fakultas Ilmu Komputer UNAKI Semarang Menggunakan Algoritma Naive Bayes

Abstract

Data mining dalam dunia pendidikan dikenal dengan Educational Data Mining. EDM mengembangkan metode untuk menggali data pendidikan dan menggunakan metode tersebut untuk lebih memahami siswa. EDM dapat membantu pendidik untuk menganalisis cara belajar, mendeteksi mahasiswa yang memerlukan dukungan dan memprediksi kinerja mahasiswa. Perguruan tinggi perlu melakukan prediksi perilaku mahasiswa dan peringatan dini untuk mencegah secara dini kegagalan akademik mahasiswa. Naive Bayes memanfaatkan fungsi seleksi fitur dari Forward Selection untuk pemilihan atribut data dengan karakteristik data itu sendiri, dan meningkatkan ketepatan klasifikasi Naïve Bayes. Forward Selection berbasis Naive Bayes lebih akurat dan efektif dalam mengklasifikasikan status kelulusan mahasiswa dengan hasil akurasi 97,14% dan termasuk dalam kategori “excellent classification” dan memperoleh atribut yang berpengaruh yaitu: status pekerjaan dan IPK semester 4