“PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN

METODE NAIVE BUYES”

PROPOSAL SKRIPSI

Diajukan Sebagai Bahan Pertimbangan Dalam Pengambilan Judul Skripsi Pada

Mata kuliah Metode Penelitian
Yang Akan Disusun Pada Tahapan Selanjutnya

Diajukan Oleh:
AHMAD AZIS SAPUTRO
112010035

PRODI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS ISLAM LAMONGAN
TAHUN 2022/2023

1
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Mahasiswa adalah sebutan untuk seseorang yang sedang menempuh pendidikan di
perguruan tinggi, peran mahasiswa adalah sebagai agent of change yang mana, tentunya
kualitas mahasiswa harus terus ditingkatkan agar memiliki daya saing yang tinggi. Lulus
tepat waktu studi adalah salah satu aspek penting yang wajib mendapatkan perhatian dari
perguruan tinggi demi meningkatkan kualitas perguruan tinggi dan kepercayaan
masyarakat terhadap perguruan tinggi tersebut. Dalam tiap tahun akademik terdapat
beberapa hal yang tidak seimbang antara mahasiswa masuk dengan yang keluar setelah
menyelesaikan waktu studinya. Mahasiswa yang masuk dalam jumlah besar dibandingkan
dengan mahasiswa yang lulus tepat waktu sesuai dengan ketentuan yaitu 3 (tiga) tahun 6
(enam) bulan jauh sangat kecil. Sehingga terjadi penumpukan mahasiswa dalam jumlah
tinggi disetiap periode kelulusan, yang mengakibatkan proses akademik tidak berjalan
maksimal. Dari data penelitian yang diperoleh nantinya perlunya mengetahui sejak dini
mahasiswa yang diidentifikasi akan gagal atau lulus tidak tepat waktu, sehingga kepada
mahasiswa tersebut dapat diberikan beberapa 2 2 alternatif pilihan atau peningkatan
kemampuan melalui bimbingan yang sifatnya khusus.
. Jumlah mahasiswa lulus tepat waktu dapat ditingkatkan dengan meningkatkan kualitas
pembelajaran dan layanan akademik untuk mahasiswa. Selain itu, jika waktu penyelesaian
studi mahasiswa dapat diprediksikan maka penanganan mahasiswa akan lebih efektif.
Prediksi merupakan proses keilmuan untuk memperoleh pengetahuan secara sistematis
berdasarkan bukti fisik. Salah satu teknik melakukan prediksi yang dapat digunakan adalah
dengan teknik penggalian data atau data mining. Data mining adalah bentuk penggalian
data yang digunakan untuk menggali pengetahuan dari jumlah data yang besar. Salah satu
algoritma yang digunakan dalam teknik data mining yang memakai teori Bayes untuk
klasifikasi adalah Naive Bayes Classifier (NBC).
Teorema Bayes merupakan teknik prediksi berdasarkan kemungkinan sederhana pada
penerapan aturan Bayes dengan ketidaktergantungan yang kuat. Naive Bayes banyak
digunakan untuk proses klasifikasi karena Naive Bayes lebih disukai disebabkan kecepatan
dan kesederhanaannya. Berdasarkan penelitian yang pernah dilakukan oleh Haditsah Annur
(2018) tentang klasifikasi masyarakat miskin, menjelaskan bahwa pada penelitian tersebut

2
 menggunakan metode Naive Bayes. didapatkan hasil dimana metode Naive bayes ini
mampu untuk mengklasifikasikan masyarakat miskin tersebut dengan akurasi sebesar 73%.
Untuk Prediksi kelulusan mahasiswa, dimana atribut yang digunakan adalah nim,
nama, jenis kelamin, jalur masuk PTN, IP Semester (2-8), SKS Semester(2-8), SKS
Komulatif (2-8) dan IP Komulatif(2- 8),IP Total, SKS Total, IPK Total dan SKS Kom
Total. Selanjutnya dalam penelitian perbandingan ini yang akan dibandingkan dari metode
yakni dari sisi (Accuracy, Precision, Sensitivity, Recall, Specifiticy dan F-Measure).
Penelitian ini diharapkan nantinya dapat meningkatkan tingkat kelulusan tepat waktu studi
mahasiwa dan selanjutnya dapat dijadikan sebagai alat evaluasi bagi perguruan tinggi
tersebut.

1.2 Rumusan Masalah

Berdasarkan dari latar belakang diatas, maka rumusan masalah pada penelitian ini adalah
sebagai berikut :
1) Bagaimana pengaruh penerapan metode Naive Bayes pada prediksi kelulusan
mahasiswa?
2) Bagaimana tingkat akurasi Naive Bayes pada prediksi kelulusan mahasiswa?

1.3 Batasan Masalah

Dari rumusan masalah diatas, perlu adanya pembatasan dalam ruang lingkup permasalahan
diatas. Adapun batasan masalahnya adalah sebagai berikut :
1) Data sampel dan data uji menggunakan cara import yang berisi beberapa field
diantaranya yaitu (nim, nama, gender, jalur masuk PTN, IP Semester(2-8), SKS
Semester(2-8), IP Komuatif (2-8), SKS Komulatif (2-8), IP Total, IPK Total, SKS
Total dan SKS Kom Total).
2) Kriteria kelulusan tepat waktu yaitu lama studi 4 tahun yang dihitung dari tahun lulus
dikurangi tahun masuk mahasiswa. Jika lebih dari 4 tahun maka termasuk pada
klasifikasi lulus tidak tapat waktu.

1.4 Tujuan Penelitian

1) Untuk mengetahui hasil dari penerapan metode Naive Bayes dalam memprediksi
kelulusan mahasiswa.

3
 2) Untuk mengetahui nilai (Accuracy, Precision, Sensitivity, Recall, F-Measure dan
Specifiticy) dari metode Naive Bayes tersebut sehingga dapat diketahui kinerja metode
tersebut.

1.5 Manfaat Penelitian

Manfaat penlitian ini adalah:
1) Bagi Mahasiswa Dapat memberikan informasi prediksi kelulusan mahasiswa tepat
waktu maupun tidak tepat waktu sehingga mahasiswa dapat lebih memperhatikan dan
bertanggungjawab terhadap perjalanan studinya.
2) Bagi Pihak Perguruan Tinggi Dapat membantu mengevaluasi kelulusan mahasiswa
pada sistem kerja program studi untuk melakukan tindakan preventif berkaitan dengan
lama studi setiap mahasiswa tersebut.
3) Bagi Peneliti Membantu peneliti dalam menambah wawasan baru terkait dari metode
Naive Bayes.

1.6 Metodologi Penelitian

Pada metodologi penelitian ini akan dijelaskan kerangka kerja yang akan dilakukan
dalam penyelesaian permasalahan yang akan dibahas dalam kasus ini. Adapun kerangka
kerja penelitian yang digunakan dalam penyusunan dan penyelesaian kasus ini dapat
dilihat pada gambar berikut.

Gambar 1.1 Metopen

4
1.7 Sistematika Penulisan
Untuk mempermudah dan memperjelas skripsi ini, maka penulis membuat susunan
sistematika sebagai berikut :
BAB I : PENDAHULUAN
Bab I menjelaskan tentang latar belakang, rumusan masalah, batasan masalah, tujuan,
manfaat, metode penelitian dan sitematika penulisan yang digunakan.
BAB II : TINJAUAN PUSTAKA
Bab I menjelaskan tentang studi sebelumnya dan dasar teori.
BAB III : ANALISA DAN PERANCANGAN SYSTEM
Bab I menjelaskan tentang kebutuhan fungsional, kebutuhan non fungsiaonal,
preancangan proses, perancangan sistem, perancangan database dan perancangan
interface.

5
 BAB II

TINJAUAN PUSTAKA

2.1 Studi Sebelumnya

Dalam pembuatan Penelitian ini tidat luput pula dari pengaruh penelitian-penelitian
sebelumnya, dimana penulis menjadikan penelitian sebelumnya yang berkaitan dengan
latar belakang penelitian ini menjadi referensi untuk pembuatan penelitian ini, adapun
penelitian-penelitian tersebut adalah sebagai berikut:
Pada Penelitian yang dilakukan oleh Haditsah Annur (2018) tentang klasifikasi
masyarakat miskin. Menjelaskan bahwa pada penelitian tersebut menggunakan metode
naive buyes, kekurangan pada penelitian tersebut yaitu:
1. Jumlah data masih bisa lebih di kembangkan lagi
2. Kriteria dapat di timbangkan lagi agar lebih akurat
Adapun kelebihan yang dapat dilihat dalam jurnal penelitian tersebut adalah sebagai
berikut:

1. Keakuratan data sudah mencapai angka 73% yang dapat di kategorikan baik.
2. Penelitian ini sudah di aplikasikan kedalam sistem.

Pada penelitian ini yang dilakukan oleh Arie Yandi Saputra dan Yogi Primasada (2018)
tentang penerapan teknik klasifikasi untuk prediksi kelulusan mahasiswa, menjelaskan
bahwa pada penelitian tersebut menggunakan algoritma K-Nearest Neighbour (KNN),
Adapun kekurangan yang dapat dilihat dalam penelitian tersebut adalah:

1. Atribut yang digunakan hanya 1 jenis yaitu IPK.

2. Data yang digunakan masih sedikit.
3. Belum dibuatnya aplikasi untuk sistem ini.
Adapun kelebihan yang dapat dilihat dalam jurnal penelitian tersebut adalah dibuatnya
sistem klasifikasi untuk prediksi kelulusan mahasiswa di STMK Bina Nusantara Lubuk
Linggau.

Perbedaan dengan penelitian klasifikasi prediksi kelulusan mahasiswa ini adalah dalam
penggunan jumlah atribut, atribut target, data yang digunakan, serta hasil penelitian ini
akan diterapkan kedalam aplikasi berbasis web.

6
2.2 Dasar Teori
2.2.1 Kelulusan Mahasiswa
Kata kelulusan mungkun sudah tidak asing lagi bagi telinga kita, karena kata ini
sudah kerap sering terdengar oleh kita terutama di akhir masa studi atau pada saat
pendaftaran masuk ke suatu sekolah ataupun organisasi yang membutuhkan seleksi
untuk dapat bergabung. Namun apakah sebenarnya arti dari kelulusan itu? Menurut
Kamus Besar Bahasa Indonesia (KBBI) kelulusan dapat dieja menjadi ke.lu.lus.an dan
mempunyai 2 arti yaitu:
1. Keguguran (melahirkan anak sebelum masanya)
2. Hal (keadaan) lulus (ujian dan sebagainya)
Merujuk pada pengertian kelulusan nomor 2 dalam KBBI maka penulis dapat
mengartikan bahwa kelulusan merupakan keadaan saat berhasil memenuhi persyaratan-
persyarayan dan kriteria yang ada sehingga kita dapat mencapai tujuan dan merubah
status.
Berdasarkan pengertian kelulusan tersebut maka dapat disimpulkan bahwa
kelulusan mahasiswa adalah keaadaan dimana seorang mahasiswa yang dapat
memenuhi syarat-syarat dan kriteria-kriteria sehingga dapat merubah statusnya dari
mahaiswa menjadi alumni.

2.2.2 Prediksi
Prediksi adalah suatu proses memperkirakan secara sistematis tentang sesuatu
yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan
sekarang yang dimiliki, agar kesalahannya (selisih antara sesuatu yang terjadi dengan
hasil perkiraan) dapat diperkecil. Prediksi tidak harus memberikan jawaban secara pasti
kejadian yang akan terjadi, melainkan berusaha untuk mencari jawaban sedekat
mungkin yang akan terjadi.
Pengertian Prediksi sama dengan ramalan atau perkiraan. Menurut kamus besar
bahasa Indonesia, prediksi adalah hasil dari kegiatan memprediksi atau meramal atau
memperkirakan nilai pada masa yang akan datang dengan menggunakan data masa lalu.
Prediksi menunjukkan apa yang akan terjadi pada suatu keadaan tertentu dan
merupakan input bagi proses perencanaan dan pengambilan keputusan.
Prediksi bisa berdasarkan metode ilmiah ataupun subjektif belaka. Ambil
contoh, prediksi cuaca selalu berdasarkan data dan informasi terbaru yang didasarkan
pengamatan termasuk oleh satelit. Begitupun prediksi gempa, gunung meletus ataupun

7
 bencana secara umum. Namun, prediksi seperti pertandingan sepakbola, olahraga, dll
umumnya berdasarkan pandangan subjektif dengan sudut pandang sendiri yang
memprediksinya.
2.2.3 Algoritma Nive Buyes
Algoritma Naive Bayes merupakan salah satu algoritma yang terdapat pada teknik
klasifikasi. Naive Bayes merupakan pengklasifikasian dengan metode probabilitas dan
statistik yang dikemukan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi
peluang di masa depan berdasarkan pengalaman dimasa sebelumnya sehingga dikenal
sebagai Teorema Bayes. Teorema tersebut dikombinasikan dengan Naive dimana
diasumsikan kondisi antar atribut saling bebas. Klasifikasi Naive Bayes diasumsikan
bahwa ada atau tidak ciri tertentu dari sebuah kelas tidak ada hubungannya dengan ciri
dari kelas lainnya.
Persamaan dari teorema Bayes adalah :
𝑝(𝑋 |𝐶ᵢ)𝑃(𝐶ᵢ)
𝑃(𝐶ᵢ | 𝑋) = … Persamaan (1)
𝑝(𝑋)
Keterangan :
X : Data dengan class yang belum diketahui
Ci : Suatu variabel yang harus dideskripsikan secara probabilistik
P(Ci|X): Probabilitas hipotesis Ci berdasarkan kondisi X (posteriori
probability)
P(Ci) : Probabilitas hipotesis Ci (prior probability)
P(X|Ci): Probabilitas X berdasar kondisi pada hipotesis Ci
P(X) : Probabilitas dari X

8
 BAB III
ANALISA DAN PERANCANGAN SYSTEM

3.1 Kebutuhan Fungsional

Kebutuhan fungsional merupakan gambaran dari proses-proses mengenai sistem yang
berjalan pada sistem prediksi kelulusan mahasiswa menggunakan metode naive buyes ini.
Pada dasarnya ada tiga hal yang dikerjakan sistem ini, yaitu:
1. Menerima masukan
2. Mengolah masukan
3. Mengeluarkan respon hasil pengolahan

3.2 Kebutuhan Non Fungsional

Kebutuhan non fungsional merupakan kebutuhan yang menitikberatkan pada properti
prilaku yang dimiliki oleh sistem. Secara umum kebutuhan non fungsional suatu perangkat
lunak terdiri dari empat macam, yaitu usability, portability, reliability, supportability.
Mengenai sistem yang berjalan pada sistem prediksi kelulusan mahasiswa
menggunakan metode naive buyes ini, memiliki 3 kebutuhan non fungsional yaitu:
1. Sistem dapat dijalankan oleh beberapa software web browser diantaranya Internet
Explore, Google Chrome dan Mozilla Firefox
2. Sistem memiliki tampilan yang mudah dipahami
3. Sistem dapat memastikan bahwa data yang digunakan dalam sistem terlindungi dari
akses yang tidak berwenang

3.3 Perancangan Proses

3.3.1 Flowchart
Diagram alur atau yang disebut dengan flowchart merupakan notasi yang
menggambarkan alur atau tahapan suatu proses. Dimana, suatu alur proses
disimbolkan (dinotasikan) dengan bentuk-bentuk simbol gambar. Adapun flowchart
yang di gunakan untuk sistem prediksi kelulusan mahasiswa menggunakan metode
naive buyes ini ditunjukkan pada gambar berikut:

9
 Mulai

Mengoleksi data sample

Menentukan atribut faktor

pemicu kelulusan

Menghitung probabilitas

Apakah P( | ) > Jika “Tidak”

P( | )?

Jika “Ya”

Lulus tepat waktu Lulus tidak tepat waktu

Selesai

Gambar 3.1 Flowchart

3.4 Perancangan Sistem

3.4.1 Data Flow Diagram (DFD)
Data Flow Diagram (DFD) berfungsi untuk menggambarkan suatu sistem yang
telah ada atau sistem yang baru yang akan dikembangkan secara logika tanpa
memperhatikan likungan fisik dimana data tersebut mengalir.
1 Data uji
Data training, Data uji
Input
Uji
Data training
data Training

2 Data training
Prodi Klasifikasi
Data uji
data
Klasifikasi data
3
Prediksi
kelulusan
Hasil Klasifikasi

Gambar 3.2 Data Flow Diagram (DFD)

10
 Berdasarkan Gambar 3.2 dapat dilihat aliran data pada sistem yang akan
dibangun. Proses pertama yang dilakukan adalah proses input data. Adapun data yang
diproses yaitu data training dan data uji. Kemudian klasifikasi prediksi kelulusan
mahasiswa yaitu mgolah data dengan metode naive buyes menggunakan data training
dan data uji yang akan diproses, sehingga menghasilkan klasifikasi data yang
dihasilkan dari perhitungan metode naive buyes.

3.5 Perancangan Database

3.5.1 Conseptual Data Model (CDM)
Conseptual Data Model (CDM) merupakan pemodelan yang dibuat berdasarkan
objek-objek dasar dan hubungan antara objek-objek tersebut yang tidak bergantung
pada software atau pertimbangan model struktur data, serta dapat dikonversikan ke
bentuk PDM.
Mahasiswa
# nim Variable characters (15)
o nama Variable characters (50)
Prodi
o alamat Variable characters (100)
memilih # kd_prodi Variable characters (15)
o tgl_lahir Date
o jk Variable characters (10) o nama_prodi Variable characters (50)
o nohp Variable characters (20)
o jalur_masuk Variable characters (20)
o tahun_masuk Variable characters (10)

mempunyai

Mata Kuliah
KRS
memiliki # kode_mk Variable characters (15)
# id_krs Variable characters (15) o nama_mk Variable characters (50)
o sks Integer
o smester Integer

mempunyai

Prediksi Kelulusan
# id_prediksi Variable characters (15)
o sks_semester Variable characters (5)
o sks_komulatif Variable characters (5)
o ip_komulatif Variable characters (5)
o ip_total Variable characters (5)
o sks_total Variable characters (5)
o sks_komtotal Variable characters (5)
o ipk_total Variable characters (5)
o status_kelulusan Variable characters (20)

Gambar 3.3 CDM

3.5.2 Physical Data Model (PDM)

PDM(Physical Data Model) merupakan representasi fisik dari suatu database
yang akan dibuat. PDM dapat dihasilkan melalui CDM yang valid.

11
 Mahasiswa
nim varchar(15) <pk>
kd_prodi varchar(15) <fk>
nama varchar(50) Prodi
alamat varchar(100) kd_prodi varchar(15) <pk>
tgl_lahir date nama_prodi varchar(50)
jk varchar(10)
nohp varchar(20)
jalur_masuk varchar(20)
tahun_masuk varchar(10)

KRS Mata Kuliah

id_krs varchar(15) <pk> kode_mk varchar(15) <pk>
id_prediksi varchar(15) <fk3> nama_mk varchar(50)
nim varchar(15) <fk1> sks int
kode_mk varchar(15) <fk2> smester int

Prediksi Kelulusan
id_prediksi varchar(15) <pk>
id_krs varchar(15) <fk>
sks_semester varchar(5)
sks_komulatif varchar(5)
ip_komulatif varchar(5)
ip_total varchar(5)
sks_total varchar(5)
sks_komtotal varchar(5)
ipk_total varchar(5)
status_kelulusan varchar(20)

Gambar 3.4 PDM

3.6 Perancangan Interface

3.6.1 Desain Interface Menu Home
PREDIKSI KELULUSAN MAHASISWA

HOME

HASIL PREDIKSI

PREDIKSI KELULUSAN MAHASISWA

MENGGUNAKAN METODE NAIVE BUYES

PREDIKSI

Gambar 3.5 Desain Interface Menu Home

12
 Gambar 3.5 merupakan hasil implementasi halaman sistem prediksi kelulusan
mahasiswa yang di gunakan untuk menuju ke halaman prediksi.
3.6.2 Desain Interface Menu Prediksi
PREDIKSI KELULUSAN MAHASISWA

PREDIKSI KELULUSAN MAHASISWA

HOME
ISI FORM
HASIL PREDIKSI
Nim Sks Semester (2-8)

Nama Sks Komulatif (2-8)

Jenis Kelamin Ip Komulatif (2-8)

Jalur Masuk Ip Total

Sks Total Ipk Total

Sks Kom Total

Batal Prediksi

Gambar 3.6 Desain Interface Menu Prediksi

Pada gambar 3.6 merupakan tampilan pada menu prediksi yang digunakan
untuk input data yang akan digunakan untuk prediksi kelulusan mahasiswa.

3.6.3 Desain Interface Menu Hasil Prediksi

PREDIKSI KELULUSAN MAHASISWA

HASIL PREDIKSI KELULUSAN MAHASISWA

HOME

HASIL PREDIKSI No Nim Nama Jenis Kelamin Jalur Masuk Sks Total Sks Kom Total Sks Semester
(2-8)

Gambar 3.7 Desain Interface Menu Hasil Prediksi

13
 Gambar 3.7 merupakan hasil pengujian dapat dilihat pada halaman ini terdapat
tabel yang menampilkan data prediksi kelulusan mahasiswa

14