UMIUMI
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi AkuntansiMETHOMIKA: Jurnal Manajemen Informatika & Komputerisasi AkuntansiUnit Kegiatan Mahasiswa (UKM) adalah wadah aktivitas kemahasiswaan untuk mengembangkan minat, bakat dan keahlian tertentu bagi para aktivis yang ada di dalamnya. Kegiatan UKM diharapkan dapat memberikan pengalaman yang bermakna serta mendukung perkembangan pribadi dan profesional mahasiswa. Dalam beberapa kasus, ketidakpuasan mahasiswa terhadap UKM juga dapat berdampak pada citra dan reputasi institusi pendidikan. Institusi yang berhasil mengelola kegiatan ekstrakurikuler dengan baik cenderung memiliki mahasiswa yang lebih puas dan terlibat, yang pada akhirnya dapat meningkatkan daya tarik institusi tersebut bagi calon mahasiswa baru. Kegiatan UKM yang dikelola dengan baik dapat menjadi sarana penting untuk mengembangkan soft skills seperti kepemimpinan, kerjasama tim, dan kemampuan komunikasi. Namun, ketika kegiatan ini tidak dikelola dengan baik, hasilnya bisa menjadi kontraproduktif, menyebabkan rasa frustrasi dan ketidakpuasan di kalangan mahasiswa. Berdasarkan permasalahan tersebut, akan dilakukan sebuah penerapan algoritma Naive Bayes untuk mengklasifikasikan kepuasan dari mahasiswa STIKOM CKI untuk Unit Kegiatan Mahasiswa (UKM) dengan data latih sebanyak 80 data dan data uji sebanyak 24. Setelah dihitung, diperoleh tingkat accuracy sebesar 72,11%, recall 63,63%, dan presisi 85,36%. Oleh sebab itu, pentingnya mengelola tingkat kepuasan mahasiswa agar terhindar dari kontraproduktif. Salah satu algoritma data mining yang tepat dalam menyelesaikan kasus diatas adalah dengan menggunakan algoritma Naive Bayes.
Penerapan data mining menggunakan metode Naive Bayes sangat membantu dalam menentukan tingkat kepuasan mahasiswa berdasarkan dataset kegiatan UKM di STIKOM CKI.Proses penentuan tingkat kepuasan mahasiswa dalam kegiatan UKM Matras memiliki nilai kepuasan yang paling tinggi.Selain itu, diperoleh tingkat prediksi dengan akurasi sebesar 72,11%, recall 63,63%, dan presisi 85,36% dari 80 data latih dan 24 data uji.
Pertama, perlu dikembangkan penelitian yang membandingkan akurasi algoritma Naive Bayes dengan algoritma data mining lain seperti Decision Tree atau Support Vector Machine dalam konteks klasifikasi kepuasan mahasiswa di berbagai UKM, untuk mengetahui metode mana yang paling efektif. Kedua, dapat dilakukan penelitian yang menggali pengaruh tambahan atribut baru seperti frekuensi kegiatan, kualitas fasilitas digital, dan keterlibatan alumni terhadap tingkat kepuasan mahasiswa, agar model prediksi menjadi lebih komprehensif dan akurat. Ketiga, perlu dikaji bagaimana pengelolaan UKM secara dinamis berdasarkan hasil prediksi kepuasan mahasiswa dari waktu ke waktu, untuk melihat apakah intervensi berbasis data dapat secara nyata meningkatkan partisipasi dan kualitas kegiatan UKM dalam jangka panjang.
- Analisis Tingkat Kepuasan Mahasiswa dalam Kegiatan UKM di Stikom CKI Menggunakan Algoritma Naive Bayes... doi.org/10.46880/jmika.Vol8No2.pp206-214Analisis Tingkat Kepuasan Mahasiswa dalam Kegiatan UKM di Stikom CKI Menggunakan Algoritma Naive Bayes doi 10 46880 jmika Vol8No2 pp206 214
- Prediksi Tingkat Kepuasan dalam Pembelajaran Daring Menggunakan Algoritma Naïve Bayes | Jurnal Sistim... doi.org/10.37034/jsisfotek.v3i3.49Prediksi Tingkat Kepuasan dalam Pembelajaran Daring Menggunakan Algoritma Nayve Bayes Jurnal Sistim doi 10 37034 jsisfotek v3i3 49
- Algoritma Naive Bayes Dalam Klasifikasi Lokasi Pembangunan Sumber Air | Imandasari | Prosiding Seminar... tunasbangsa.ac.id/seminar/index.php/senaris/article/view/81Algoritma Naive Bayes Dalam Klasifikasi Lokasi Pembangunan Sumber Air Imandasari Prosiding Seminar tunasbangsa ac seminar index php senaris article view 81
- PENERAPAN ALGORITMA METODE NAÏVE BAYES UNTUK PENENTUAN PENERIMAAN BANTUAN PROGRAM INDONESIA PINTAR... journal.stmikjayakarta.ac.id/index.php/JMIJayakarta/article/view/1355PENERAPAN ALGORITMA METODE NAyaVE BAYES UNTUK PENENTUAN PENERIMAAN BANTUAN PROGRAM INDONESIA PINTAR journal stmikjayakarta ac index php JMIJayakarta article view 1355
| File size | 443.74 KB |
| Pages | 9 |
| DMCA | Report |
Related /
UMIUMI Penelitian ini mengevaluasi kualitas pengelompokan K-Medoids yang diterapkan pada data kejadian kriminal di Indonesia dari tahun 2000 hingga 2023. AnalisisPenelitian ini mengevaluasi kualitas pengelompokan K-Medoids yang diterapkan pada data kejadian kriminal di Indonesia dari tahun 2000 hingga 2023. Analisis
UMIUMI Sistem ini berhasil menerapkan fitur manajemen produk, sistem kasir, pemrosesan pesanan online, pelacakan transaksi, pelaporan, dan berhasil menerapkanSistem ini berhasil menerapkan fitur manajemen produk, sistem kasir, pemrosesan pesanan online, pelacakan transaksi, pelaporan, dan berhasil menerapkan
UMIUMI Penelitian ini menghasilkan 33 aturan asosiasi yang dapat membantu strategi penjualan yang ada di Milenials Café. Berikut aturan-aturan asosiasi denganPenelitian ini menghasilkan 33 aturan asosiasi yang dapat membantu strategi penjualan yang ada di Milenials Café. Berikut aturan-aturan asosiasi dengan
UMIUMI Penelitian ini bertujuan untuk merancang UI/UX aplikasi mobile yang memudahkan orang tua dalam memantau dan mengedukasi tentang stunting. Pendekatan DesignPenelitian ini bertujuan untuk merancang UI/UX aplikasi mobile yang memudahkan orang tua dalam memantau dan mengedukasi tentang stunting. Pendekatan Design
UPBUPB Penelitian ini bertujuan untuk menganalisis model hukum demokrasi dalam penyelesaian sengketa agraria melalui peran lembaga adat. Penelitian menggunakanPenelitian ini bertujuan untuk menganalisis model hukum demokrasi dalam penyelesaian sengketa agraria melalui peran lembaga adat. Penelitian menggunakan
BUMIGORABUMIGORA 3. 466 industri rumah tangga digunakan sebagai sampel data. Kinerja algoritma dievaluasi menggunakan pengukuran validitas klaster Davies Bouldin Index3. 466 industri rumah tangga digunakan sebagai sampel data. Kinerja algoritma dievaluasi menggunakan pengukuran validitas klaster Davies Bouldin Index
TUNASBANGSATUNASBANGSA b) Pada Algoritma Apriori berdasarkan nilai minimum support 40% dan nilai confidence 60% yang diberikan maka didapat hasil asosiasi rule sebanyak 10 rule.b) Pada Algoritma Apriori berdasarkan nilai minimum support 40% dan nilai confidence 60% yang diberikan maka didapat hasil asosiasi rule sebanyak 10 rule.
TUNASBANGSATUNASBANGSA Metode k-medoids merupakan metode clustering yang berfungsi untuk memecah dataset menjadi beberapa kelompok. Kelebihan dari metode ini mampu mengatasiMetode k-medoids merupakan metode clustering yang berfungsi untuk memecah dataset menjadi beberapa kelompok. Kelebihan dari metode ini mampu mengatasi
Useful /
UMIUMI Hasil menunjukkan SVM memiliki akurasi tertinggi 90%, diikuti KNN 89%, dan Naïve Bayes 85%. Penelitian ini menghasilkan model prediksi risiko stuntingHasil menunjukkan SVM memiliki akurasi tertinggi 90%, diikuti KNN 89%, dan Naïve Bayes 85%. Penelitian ini menghasilkan model prediksi risiko stunting
UnimorUnimor Tujuan dari penelitian ini adalah untuk mengetahui nilai pertumbuhan dan produksi awal tanaman turi yang diberi perlakuan bokashi berbahan dasar fesesTujuan dari penelitian ini adalah untuk mengetahui nilai pertumbuhan dan produksi awal tanaman turi yang diberi perlakuan bokashi berbahan dasar feses
UnimorUnimor Nilai marginal produk (marginal effects) pada regresi logistik dari modal sosial 13,8%, modal fisik 13,6%, modal finansial 26,7%, modal alam 16,3% danNilai marginal produk (marginal effects) pada regresi logistik dari modal sosial 13,8%, modal fisik 13,6%, modal finansial 26,7%, modal alam 16,3% dan
TUNASBANGSATUNASBANGSA Dalam hal ini dilakukannya penelitian tujuan untuk meningkatkan kesejahteraan pegawai. Selama ini besaran penghasilan pegawai hanya didasarkan pada golonganDalam hal ini dilakukannya penelitian tujuan untuk meningkatkan kesejahteraan pegawai. Selama ini besaran penghasilan pegawai hanya didasarkan pada golongan