Implementasi Naïve Bayes untuk Klasifikasi Peminatan Program Studi pada Penerimaan Mahasiswa Baru di Fakultas Ilmu Komputer Unika
-
Munawirah Munawirah
*
Universitas Tomakaka,
Indonesia
- Andriansyah Oktafiandi Arisha AMIK Tri Dharma Palu, Indonesia
Abstract
Fakultas Ilmu Komputer Universitas Tomakaka memiliki dua program studi, yaitu Sistem Informasi dan Teknik Informatika. Namun, dalam praktiknya, calon mahasiswa baru sering mengalami kebingungan dalam menentukan jurusan yang sesuai dengan kemampuan dan latar belakang akademiknya. Pemilihan program studi umumnya didasarkan pada tren jurusan favorit, dorongan eksternal, atau preferensi sosial tanpa mempertimbangkan jurusan asal di sekolah sebelumnya. Kondisi tersebut berpotensi menimbulkan ketidaksesuaian minat yang berdampak pada risiko penurunan motivasi belajar, pindah jurusan, berhenti kuliah, atau mengalami hambatan selama masa studi. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi program studi menggunakan metode klasifikasi Naïve Bayes guna memprediksi kecenderungan peminatan program studi berdasarkan atribut input seperti jenis kelamin, asal sekolah, dan jurusan asal sekolah. Dataset yang digunakan merupakan data historis penerimaan mahasiswa baru Fakultas Ilmu Komputer Universitas Tomakaka sejak tahun akademik 2015/2016 hingga 2024/2025, sebanyak 1.046 entri data. Proses analisis mencakup tahapan data mining, mulai dari seleksi dan pembersihan data, pembagian data latih dan data uji (80:20), hingga evaluasi performa menggunakan metode Confusion Matrix. Hasil evaluasi menunjukkan akurasi sebesar 87,14%, presisi 89,91%, recall 87,70%, dan F1-score 88,76%. Model ini diimplementasikan ke dalam aplikasi berbasis website menggunakan framework Flask, guna mempermudah pemberian rekomendasi jurusan secara real-time. Pendekatan ini memberikan kontribusi sistem rekomendasi berbasis data yang membantu institusi dalam memetakan minat mahasiswa, menyusun strategi promosi yang tepat sasaran, serta memberikan intervensi awal terhadap pilihan program studi mahasiswa baru yang kurang sesuai.
References
Ardiana, M., Rahayu, P. N., Brian, T., Widyastuti, I. I., & Wibowo, S. (2025). Binary Number Classification Using Naïve Bayes for Digit Recognition. Jurnal Sistem Telekomunikasi, Elektronika, Sistem Kontrol, Power System & Komputer, 5(1), 25–34. https://doi.org/10.32503/jtecs.v5i1.6740
Berarr, D. (2025). Bayes’ Theorem and Naive Bayes Classifier. Encyclopedia of Bioinformatics and Computational Biology (Second Edition), 1, 483–494. https://doi.org/https://doi.org/10.1016/B978-0-323-95502-7.00118-4
Cahyono, A. R., Iskandar, A., & Rifqi, A. (2025). Analisis Data Inventaris pada PT. Global Samudera Kreasi untuk Optimalisasi Pengelolaan dan Prediksi Kualitas Barang Menggunakan Algoritma Support Vector Machine Dan Naïve Bayes. Jurnal Mahasiswa Teknik Informatika, 9(3), 3863.
Darmawan, A. C. (2023). Pengembangan Aplikasi Berbasis Web dengan Python Flask untuk Klasifikasi Data Menggunakan Metode Decision Tree C4.5.
Gohari, K., Kazemnejad, A., Mohammadi, M., Eskandari, F., Saberi, S., Esmaieli, M., & Sheidaei, A. (2023). A Bayesian Latent Class Extension of Naive Bayesian Classifier and Its Application to the Classification of Gastric Cancer Patients. BMC Medical Research Methodology, 23(1). https://doi.org/10.1186/s12874-023-02013-4
Gunawan, P. M. (2024). Sistem Pendukung Keputusan Pemilihan Bidang Minat Mahasiswa Menggunakan Algoritma KNN Berbasis Web.
Harningsih, A. (2019). Analisis Faktor-Faktor Yang Mempengaruhi Keputusan Mahasiswa Memilih Program Studi di Perguruan Tinggi dalam Perspektif Ekonomi Islam (Studi Terhadap Mahasiswa Angkatan 2017, Fakultas Ekonomi dan Bisnis Islam Universitas Islam Negeri Raden Intan Lampung).
Hasanka, H. (2021, January 14). Deploy Scikit-Learn Machine Learning Models with Flask. Medium. https://hiranh.medium.com/deploy-scikit-learn-machine-learning-models-with-flask-b6d6413b019a
Husaini, B. Q., & Jemakmun, J. (2023). Penerapan Algoritma Decision Tree C45 untuk Klasifikasi Penjurusan Siswa. Jurnal Teknlogi Informatika Dan Komputer MH. Thamrin , 9(1), 455–470. https://doi.org/10.37012/jtik.v9i1.1512
Mahardika, F., Supriadi, F., & Guntara, A. (2025). Analisis Distribusi Minat Mahasiswa pada Konsentrasi Informatika Menggunakan Pendekatan Data-Driven Decision Making. Inti Nusa Mandiri, 19(2), 278–287. https://doi.org/10.33480/inti.v19i2.6347
Nas, C. (2021). Data Mining Prediksi Minat Calon Mahasiswa Memilih Perguruan Tinggi Menggunakan Algoritma C4.5. Jurnal Manajemen Informatika (JAMIKA), 11(2), 131–145. https://doi.org/10.34010/jamika.v11i2.5506
Nurdin, Y., Saddami, K., & Nasaruddin, N. (2025). Pengenalan Praktis Supervised Machine Learning: Dengan Jupyter Notebook (H. Mustaqin, Ed.; Pertama). USK Press.
Pratiwi, D. A., Awangga, R. M., & Setyawan, M. Y. H. (2020). Seleksi Calon Kelulusan Tepat Waktu Mahasiswa Teknik Informatika Menggunakan Metode Naive Bayes (R. M. Awangga, Ed.; Pertama). Kreatif Industri Nusantara.
Purwati, N., Kurniawan, H., & Karmila, S. (2021). Data Mining Volume 1 (I. Indika, Ed.; Pertama, Vol. 1). Zahira Media Publisher.
Putri, N. B., & Wijayanto, A. W. (2022). Analisis Komparasi Algoritma Klasifikasi Data Mining Dalam Klasifikasi Website Phishing. Komputika: Jurnal Sistem Komputer, 11(1), 59–66. https://doi.org/10.34010/komputika.v11i1.4350
Saputro, M. (2017). Analisis Faktor-Faktor yang Mempengaruhi Keputusan Mahasiswa dalam Memilih Program Studi. Jurnal Pendidikan Informatika Dan Sains, 6(1), 83–94.
Seneru, W., Diwyarthi, N. D. M. S., Utama, F. Y., Eknoe, M. S., Wondal, R., Umalihayati, Subekti, S., Sari, R. S., Idrus, & Mahmud, N. (2024). Eksplorasi dalam Penilaian Belajar (I. P. Kusuma, Ed.). Yayasan Cendikia Mulia Mandiri.
Sugiyanti, S., & Muhammad Fauzi, F. (2025). Analisis Data Mining dalam Prediksi Pemilihan Jurusan pada SMA Manggala Menggunakan Algoritma C 4.5. Jurnal Manajemen Informatika & Sistem Informasi (MISI), 8(2), 304–311. https://doi.org/10.36595/misi.v5i2
Swastika, R., Mukodimah, S., Susanto, F., Muslihudin, M., & Ipnuwati, S. (2023). Implementasi Data Mining (Clastering, Association, Prediction, Estimation, Classfication) (D. Susianto & S. Suyono, Eds.; Pertama). Penerbit Adab.
Tharwat, A. (2021). Classification Assessment Methods. Applied Computing and Informatics, 17(1), 168–192. https://doi.org/10.1016/j.aci.2018.08.003
Ulfa, A., Winarso, D., & Arribei, E. (2020). Sistem Rekomendasi Jurusan Kuliah bagi Calon Mahasiswa Baru Menggunakan Algoritma C4.5 (Studi Kasus: Universitas Muhammadiyah Riau). Jurnal Fasilkom, 10(1), 61–65.
Andani, S. R., & Karim, A. (2025). Enhancing Lung Cancer Detection: Optimizing CNN Architectures through Hyperparameter Tuning. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 9(4), 944-954.
Copyright (c) 2025 Munawirah Munawirah, Andriansyah Oktafiandi Arisha
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
.png)
.png)
