PREDIKSI KETEPATAN WAKTU LULUS MAHASISWA MENGGUNAKAN ALGORITMA C.45 DAN NAÏVE BAYES CLASSIFIER (Studi Kasus: Universitas Amikom Purwokerto)

Kemampuan perguruan tinggi menghasilkan lulusan yang mampu menyelesaikan masa pembelajaran tepat waktu merupakan faktor yang mempengaruhi akreditasi perguruan tinggi. Persentase kelulusan tepat waktu yang besar maka akan meningkatkan akreditasi perguruan tinggi. Maka dari itu tujuan dari penelitian ini adalah menerapkan model klasifikasi untuk mengetahui performa algoritma C4.5 dan Naïve Bayes Classifier dalam memprediksi ketepatan waktu lulus mahasiswa. Data yang digunakan adalah dataset historis mahasiswa Program Studi Teknologi Informasi dan Informatika tahun 2019 di Universitas Amikom Purwokerto. Faktor-faktor yang mempengaruhi ketepatan waktu kelulusan dibatasi pada atribut tertentu seperti jenis kelamin, Indeks Prestasi semester 1 sampai 6, Indeks Prestasi Kumulatif semester 1 sampai 6, total SKS semester 1 sampai 6, dan status kelulusan. Algoritma C4.5 dan Naïve Bayes Classifier digunakan sebagai metode prediksi utama, dengan Weka (Wakaito Environment for Knowledge Analysis) versi 3.9.6 sebagai tools klasifikasi. Hasil penelitian menunjukkan bahwa algoritma C4.5 memiliki accuracy 81%, precision 87%, recall 80%, dan F-Measure 83%, sedangkan Naïve Bayes Classifier memiliki accuracy 79%, precision 90%, recall 77%, dan F-Measure 82%. Berdasarkan penelitian yang telah dilakukan, dapat disimpulkan bahwa performa algoritma C4.5 dalam prediksi ketepatan waktu lulus mahasiswa Universitas Amikom Purwokerto lebih unggul dibandingkan dengan algoritma Naïve Bayes Classifier karena menunjukkan performa yang lebih tinggi.