Perbandingan Naive Bayes dan C4.5 Menggunakan Metode Correlation-Based Feature Untuk Prediksi Kelulusan Mahasiswa Tepat Waktu

Prediksi kelulusan mahasiswa tepat waktu memiliki peran yang penting dalam pengelolaan perguruan tinggi. Kemampuan untuk meramalkan kelulusan mahasiswa dapat membantu lembaga pendidikan mengambil tindakan preventif untuk mengatasi risiko pada mahasiswa yang berpotensi tidak mampu menyelesaikan studi dalam waktu yang ditentukan. Penelitian ini bertujuan untuk membahas perbandingan dua algoritma, antara naïve bayes dan C4.5 dalam proyeksi kelulusan mahasiswa sesusai jadwal menggunakan metode Correlation-Based Feature Selection. Hasil dari penelitian ini mengidentifikasi lima fitur yang memiliki korelasi tertinggi dengan status kelulusan mahasiswa. Pendekatan Naïve Bayes mencapai akurasi sebesar 65.37% dengan presisi 97.46%, dan tingkat recall 62.84%, sementara algoritma C4.5 memiliki akurasi 84.88% dengan presisi 91.26%, dan recall 91.76%. Dalam perbandingan kinerja kedua algoritma, C4.5 unggul dengan akurasi 84.88% lebih tinggi dibandingkan dengan Naïve Bayes. Hasil penelitian ini memiliki implikasi penting bagi upaya memprediksi kelulusan mahasiswa tepat waktu dan membantu lembaga pendidikan untuk mengambil tindakan yang tepat.

Kata Kunci: Prediksi, Kelulusan Mahasiswa Tepat Waktu, Correlation Based Feature Selection, Naïve Bayes, C4.5.