Klasifikasi Kompetensi Mahasiswa menggunakan Algoritma Naive Bayes

Dewi Ratna Suwari; Nurtriana Hidayati

doi:10.35315/dinamik.v30i2.10156

Dewi Ratna Suwari Universitas Semarang
Nurtriana Hidayati Universitas Semarang https://orcid.org/0000-0002-5763-1618

DOI: https://doi.org/10.35315/dinamik.v30i2.10156

Abstract

Perkembangan teknologi informasi telah meningkatkan kebutuhan akan sumber daya manusia yang kompeten di bidang analitik data dan pemrograman, khususnya bagi mahasiswa Program Studi Sistem Informasi. Penelitian ini bertujuan untuk membangun model klasifikasi guna mengidentifikasi kecenderungan mahasiswa sebagai Data Analyst atau Programmer menggunakan algoritma Naive Bayes. Sebanyak 220 data dikumpulkan melalui kuesioner daring, dengan indikator penilaian yang dikelompokkan dalam dua dimensi: kemampuan analis data dan kemampuan pemrograman. Data kemudian dilabeli berdasarkan skor per dimensi dan diolah menggunakan model Complement Naive Bayes pada platform Google Colab. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan dua kelas mayoritas (Data Analyst dan Programmer) dengan baik, ditandai dengan akurasi keseluruhan sebesar 80,30% dan nilai precision, recall, serta f1-score yang tinggi. Namun, performa model terhadap kelas minoritas (Netral) masih rendah akibat ketidakseimbangan distribusi data. Penelitian ini menyarankan penggunaan teknik lanjutan seperti resampling, class weight, atau model ensemble untuk mengatasi bias terhadap kelas mayoritas. Temuan ini dapat digunakan sebagai dasar dalam pembimbingan akademik dan pengembangan kurikulum berbasis potensi mahasiswa.

References

[1] S. Damayanti, Y. Gita Elysia, O. Amanatillah, P. Purba, I. Farida, and A. Prawira, “PENGARUH PENGGUNAAN SISTEM INFORMASI AKADEMIK DI LINGKUNGAN PENDIDIKAN TINGGI,” 2021. [Online]. Available: http://ejournal.upi.edu/index.php/manajerial/
[2] A. Skhvediani, S. Sosnovskikh, I. Rudskaia, and T. Kudryavtseva, “Identification and comparative analysis of the skills structure of the data analyst profession in Russia,” Journal of Education for Business, vol. 97, no. 5, pp. 295–304, 2022, doi: 10.1080/08832323.2021.1937018.
[3] O. Weiser, Y. M. Kalman, C. Kent, and G. Ravid, “65 competencies: Which ones should your data analytics experts have?,” Commun ACM, vol. 65, no. 3, pp. 58–66, Mar. 2022, doi: 10.1145/3467018.
[4] I. Rosyadi, F. Adi Artanto, S. Elisa Rahmawati, and H. Tri Buwono Joyo Pangestu, “Decision Tree Dalam Analisis Keputusan Pembelian Program Pada Perkumpulan Penggiat Programmer Indonesia,” Dec. 2022.
[5] M. Z. Haq, C. S. Octiva, A. Ayuliana, U. W. Nuryanto, and D. Suryadi, “Algoritma Naïve Bayes untuk Mengidentifikasi Hoaks di Media Sosial,” Jurnal Minfo Polgan, vol. 13, no. 1, pp. 1079–1084, Jul. 2024, doi: 10.33395/jmp.v13i1.13937.
[6] E. Sutinah and N. Agustina, “Algoritma Naive Bayes untuk Prediksi Keberhasilan Mahasiswa pada Mata Kuliah Praktikum,” Dec. 2023.
[7] H. Susana and N. Suarna, “PENERAPAN MODEL KLASIFIKASI METODE NAIVE BAYES TERHADAP PENGGUNAAN AKSES INTERNET Program Studi Teknik Informatika STMIK IKMI Cirebon Jl Perjuangan No 10B Kesambi Kota Cirebon 3) Program Studi Rekayasa Perangkat Lunak STMIK IKMI Cirebon Jl Perjuangan No 10B Kesambi Kota Cirebon 4) Program Studi Komputerisasi Akuntansi STMIK IKMI Cirebon Jl Perjuangan No 10B Kesambi Kota Cirebon,” Jurnal Sistem Informasi dan Teknologi Informasi), vol. 4, no. 1, pp. 1–8, 2022.
[8] F. Alghifari and D. Juardi, “Fauzan Alghifari Penerapan Data Mining Pada Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes,” Feb. 2021.
[9] Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, and Fitri Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN,” Jurnal KomtekInfo, pp. 1–7, Jan. 2023, doi: 10.35134/komtekinfo.v10i1.330.
[10] A. sandi Sandi, Yahya, and Muhammad Qusyairi, “Analisi Prediksi Tingkat Kesejahteraan Masyarakat Nelayan Lombok Timur Dengan Algoritma Naïve Bayes,” Infotek: Jurnal Informatika dan Teknologi, vol. 7, no. 2, pp. 563–574, Jul. 2024, doi: 10.29408/jit.v7i2.26543.
[11] M. Ramdan Adi Surya and U. Hayati, “ANALISIS SENTIMEN ULASAN PENGGUNA OVO MENGGUNAKAN ALGORITMA NAIVE BAYES PADA GOOGLE PLAY STORE,” 2024.
[12] A. Robi Padri, “HCI DAN MEDIA SOSIAL: STUDI KASUS ANALISIS SENTIMEN PILPRES 2024 DI TWITTER MENGGUNAKAN NAIVE BAYES CLASSIFIER,” Jurnal SIMETRIS, vol. 14, no. 2, 2023.
[13] I. Amal, “Perbandingan Pelabelan Otomatis Dan Manual Untuk Analisis Sentimen Terhadap Kenaikan Harga BBM Pertamina Pada Twitter Menggunakan Algoritma Support Vector Machine,” 2023. Accessed: May 14, 2025. [Online]. Available: Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA)
[14] P. Ayuningtyas and S. Khomsah, “Pelabelan Sentimen Berbasis Semi-Supervised Learning menggunakan Algoritma LSTM dan GRU,” 2024.
[15] N. Ayuningtyas and W. Yustanti, “Semi-Supervised Learning pada Pelabelan dalam Klasifikasi Multi-Label Data Teks,” Journal of Informatics and Computer Science, vol. 06, 2024.