Perbandingan Kinerja 6 Algoritme Klasifikasi Data Mining untuk Prediksi Masa Studi Mahasiswa

Salah satu faktor yang memengaruhi kualitas sebuah perguruan tinggi adalah kinerja mahasiswa yang dapat diukur melalui lamanya masa studi. Perolehan pengetahuan dalam basis data (sejumlah data yang besar) biasa disebut dengan data mining atau penambangan data. Penelitian ini bertujuan untuk mengetahui kinerja keenam algoritme klasifikasi yang digunakan yaitu Decision Tree (DT) C4.5, Bayesian Network (BN), K-Nearest Neighbors (KNN), Naïve Bayes (NB), Neural Network (NN) dan SVM (Support Vector Machine). Kemudian menganalisa perbandingan kinerja keenam algoritme tersebut. Hasil penelitian menunjukkan bahwa Bayesian Network memiliki kinerja paling baik dengan nilai akurasi sebesar 80.615%, nilai presisi dan recall sebesar 0.785 dan 0.806, sedang untuk nilai AUC (Area Under Curve) termasuk dalam kategori baik yaitu 0.837. Sedangkan DT C4.5 memiliki kinerja terendah dengan nilai akurasi sebesar 76.615%.