Seleksi Fitur Information Gain Dalam Meningkatkan Kinerja Naïve Bayes Dalam Prediksi Performa Mahasiswa

Abstract

Prestasi pendidikan saat ini sangat ditentukan dengan performa belajar generasi muda. Untuk meningkatkan performa belajar mahasiswa ada beberapa faktor yang menjadi pengaruhnya. Hal terpenting yang perlu diperhatikan saat proses pembelajaran berlangsung adalah peningkatan performa mahasiswa. Naïve bayes adalah sebuah algoritma supervised learning berdasarkan teorema Bayes yang digunakan untuk memecahkan masalah klasifikasi dengan mengikuti pendekatan probabilistik.  Hasil capaian tersebut tentu saja berpengaruh pada ketepatan mahasiswa dalam menyelesaikan waktu studinya. Eksperimen ini juga menguji accuracy, precision, recall, dan f1-score menggunakan k-fold cross validation. Nilai accuracy tertinggi didapat dari hasil pengujian 10-fold data 60% dari total atribut dengan nilai 89,31%. Nilai precision tertinggi didapat dari hasil pengujian 10-fold data 60% dari total atribut dengan nilai 92,20%. Nilai recall tertinggi didapat dari hasil pengujian 10-fold data 60% dan 10-fold data 80% dari total atribut dengan nilai 92,20%. Dan nilai f1-score tertinggi didapat dari hasil pengujian 10-fold data 60% dari total atribut dengan nilai 92,18%. Sedangkan pengukuran dengan menggunakan ROC curve, berdasarkan hasil AUC disetiap perbandingan yang dilakukan bahwa hasil pengujian dengan 60% dari total atribut memiliki nilai tertinggi dari pengujian lainnya.