Abstrak. Data jumlah mahasiswa yang lulus tiap tahunnya tidak sebanding dengan jumlah yang mendaftar. Penyelesaian studi setiap mahasiswa dapat disebabkan atau dipengaruhi oleh banyak faktor. Kemungkinan pada beberapa faktor memiliki hubungan (kausalitas) satu dengan yang lain. Mutual Information digunakan untuk menghitung kausalitas antar faktor yang mempengaruhi penyelesaian studi. Hubungan antar faktor untuk membangun model pada penelitian ini digunakan metode Bayes Networs (BN). Metode Bayes Networks merupakan metode pemodelan data berbasis probabilitas yang merepresentasikan suatu himpunan variabel dan conditional dependency melalui Directed Acyclic Graph (DAG). Hasil pengujian dari sistem yang dikembangkan mengunakan data uji sebanyak 128 memiliki tingkat akurasi sebesar 71,09%. Hasil akurasi sistem lebih tinggi dibanding dengan menggunakan metode Naive Bayes Classifier yaitu sebesar 67,97%.
Copyrights © 2019