<![CDATA[Penelitian ini bertujuan untuk data mining dengan menggunakan tools rapidminer untuk mengumpulkan data mahasiswa dari laman aplikasi Feeder dari angkatan 2010-2014 yang diasumsikan bahwa mahasiswa angkatan tersebut sudah dinyatakan lulus pada tahun 2018. Data tersebut di dikumpulkan dari 5 (lima) Perguruan Tinggi Swasta di Kota Banda Aceh. maka dengan mengamati tingkat kelulusan menggunakan data mining dapat membawa kontribusi yang cukup besar bagi lembaga pendidikan, dalam upaya peningkatan kompetensi kurikulum pada Perguruan Tinggi yang diharapkan hasil data mining dapat menjadikan referensi standar kurikulum sebagai bentuk peningkatan kompetensi lulusan. Metode penelitian menggunakan Cross Industry Standard Process for Data Mining (CRISP?DM) yang digunakan sebagai standar proses data mining sekaligus sebagai metode penelitian dengan tahap dimulai dari Business understanding, data understanding, data preparation, modelling, evaluation, dan deployment. Hasil penelitian didapatkan bahwa algoritma data mining untuk prediksi kelulusan berdasarkan atribut ketepatan lulus yang dipilih mengungkapkan bahwa tingkat prediksi seragam dengan algoritma yang digunakan yaitu Naïve Bayes, akurasi prediksi sebesar 84%. Atribut data yang ditemukan memiliki signifikan dipengaruhi proses klasifikasi adalah IPK dan Lama Studi. Hasil yang diperoleh bahwa mahasiswa yang lulus sebesar 60% yaitu mahasiswa yang berpendidikan di ASM Nusantara dan AMIK Indonesia, sedangkan pada STIES Banda Aceh dan Universitas Serambi Mekkah sebesar prediksi lulus sebesar 52%. Hal lain berbeda dengan STIA Iskandar Thani dimana prediksi lulus hanya sebesar 48% dan tidak lulus tepat waktu 52%. Hasil prediksi ini bisa mengungkapkan dan menjadi sebuah rekomendasi bagi calon mahasiswa atau pihak akademik agar meningkatkan kuantitas lulusan dan meningkatkan kepercayaan mahasiswa terhadap Perguruan Tinggi.Kata Kunci:Prediksi, Kelulusan Mahasiswa, Algoritma Naive Bayes]]>
Copyrights © 2019
