Analisis Pengaruh Data Penerimaan Mahasiswa Baru Terhadap Prestasi Akademik Mahasiswa Menggunakan Metode Naïve Bayes dan Decision Tree C 4.5 (Studi Kasus di Universitas Muhammadiyah Surakarta)

Universitas Muhammadiyah Surakarta (UMS) merupakan sebuah instansi pendidikan yang besar, berdiri sejak tahun 1958. Pada tahun 2004 UMS melakukan seleksi penerimaan mahasiswa baru (PMB) secara terkomputerisasi dengan sistem One Day Services (ODS). Data yang terkumpul setiap tahun cukup banyak sehingga apabila dibiarkan saja maka hanya akan menjadi tumpukan data yang kurang bermanfaat. Oleh karena itu data tersebut akan diolah menggunakan Data Mining. Data Mining merupakan sebuah metode untuk mencari informasi baru dengan mencari pola pada tumpukan data. Pada penelitian ini data yang akan diteliti adalah data PMB mahasiswa angkatan 2010 dengan menggunakan algoritma Naïve Bayes dan Decision Tree C 4.5 dan penentuan variabel Y dengan dua cara yaitu sesuai predikat akademik dan kuartalnya. Untuk implementasinya digunakan aplikasi Rapid Miner 6 dan diharapkan hasilnya bisa digunkan untuk mengetahui sejauh mana pengaruh data PMB dengan prestasi akademik mahasiswa selama kuliah. Hasil dari penelitian menunjukkan bahwa tingkat akurasi dari kedua metode tersebut berbeda tipis pada variabel Y yang sama yaitu Naïve Bayes 66,48% untuk Y berdasarkan predikat dan 33,9%. Sementara untuk Decision Tree C 4.5 sebesar 66,19% dan 32,4%. Lalu variabel yang paling berpengaruh dalam hasil klasifikasi adalah Jurusan SMA dan Jurusan Kuliah