Melola Discovery

← Melola Discovery

Jurnal

IMPLEMENTASI ALGORITMA NAIVE BAYES DAN RANDOM FOREST DALAM MEMPREDIKSI PRESTASI AKADEMIK MAHASISWA UNIVERSITAS ISLAM NEGERI AR-RANIRY BANDA ACEH

Cyberspace: Jurnal Pendidikan Teknologi Informasi · Vol. 4 No. 1 (2020) · hlm. 50–58

DOI
10.22373/cj.v4i1.7247
ISSN
2597-9671, 2598-2079
Terbit
2020-07-01
Penerbit
Universitas Islam Negeri Ar-Raniry Banda Aceh
Bahasa
eng

Abstrak

Academic achievement is determined by two factors, namely internal factors originating from within the individual in this case students and external factors that come from outside the individual or things that are influenced by the environment. There are many ways to find an academic achievement, one of which uses data mining which aims to predict or classify data using a classification algorithm. This study aims to 1) find out how to apply the Naive Bayes algorithm to student achievement, and 2) see the accuracy of the Naive Bayes algorithm to student achievement. This type of research is secondary data in the form of student data obtained from the information technology center and the Ar-Raniry UIN database. This research uses Naive Bayes algorithm and random forest algorithm. The results obtained from this study indicate the highest correlation value in the initial IP variable of r = 0.783 and the leave variable has a very weak correlation level of r = 0.054. The accuracy value of Naive Bayes algorithm after cleaning is 78.0% and Random Forest algorithm variable is 76.7%.

Kata kunci

Jaringan kolaborasi para penulis

40 penulis · 91 tautan kepenulisan bersama · 6 lintas organisasi · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Politeknik Negeri Sriwijaya
  • Universitas Islam Negeri Ar-Raniry
  • Universitas Halu Oleo
  • Politeknik Negeri Ujung Pandang
  • Sunan Kalijaga State Islamic University Yogyakarta
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Muhammad Rizal FachriAfiliasi tidak diketahui3
Zulkarnain JalilAfiliasi tidak diketahui3
Rezqi MaliaAfiliasi tidak diketahui3
Hendri AhmadianUniversitas Islam Negeri Ar-Raniry3
Yusran YusranUniversitas Halu Oleo2
Hadi KurniawanAfiliasi tidak diketahui2
Nurhayati NurhayatiPoliteknik Negeri Ujung Pandang2
Hazrullah HazrullahAfiliasi tidak diketahui2
Fathurrahman FathurrahmanSunan Kalijaga State Islamic University Yogyakarta2
Basrul Abdul MajidAfiliasi tidak diketahui2
Masrura MailanyAfiliasi tidak diketahui2
Mursal MursalAfiliasi tidak diketahui2
Mursyidin MursyidinAfiliasi tidak diketahui2
Mira MaisuraAfiliasi tidak diketahui2
Khairan ARUniversitas Islam Negeri Ar-Raniry2
Dedy SyamsuarPoliteknik Negeri Sriwijaya1
Chairul FahmiAfiliasi tidak diketahui1
Muhammad Siddiq ArmiaAfiliasi tidak diketahui1
Badri Hasan SulaimanAfiliasi tidak diketahui1
EMK AlidarAfiliasi tidak diketahui1
Mukhlis MukhlisAfiliasi tidak diketahui1
Eriawati EriawatiAfiliasi tidak diketahui1
Nafisah HanimAfiliasi tidak diketahui1
Said Ammar AlkafAfiliasi tidak diketahui1
Aris MunandarAfiliasi tidak diketahui1
Rahmatul UmmiyaAfiliasi tidak diketahui1
Anjar Purba AsmaraAfiliasi tidak diketahui1
Fitra SaputraAfiliasi tidak diketahui1
Nora AzlinaAfiliasi tidak diketahui1
Radhiah RadhiahAfiliasi tidak diketahui1
Umrah HayaniAfiliasi tidak diketahui1
Mauidhatul HasanahAfiliasi tidak diketahui1
Fathiah FathiahAfiliasi tidak diketahui1
Arika Dhien SartikaAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://jurnal.ar-raniry.ac.id/index.php/cyberspace/oai, pertama di-harvest 7 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">IMPLEMENTASI ALGORITMA NAIVE BAYES DAN RANDOM FOREST DALAM MEMPREDIKSI PRESTASI AKADEMIK MAHASISWA UNIVERSITAS ISLAM NEGERI AR-RANIRY BANDA ACEH</dc:title>
	<dc:creator xml:lang="en">Yusuf, Bustami</dc:creator>
	<dc:creator xml:lang="en">Qalbi, Muthmainna</dc:creator>
	<dc:creator xml:lang="en">Basrul, Basrul</dc:creator>
	<dc:creator xml:lang="en">Dwitawati, Ima</dc:creator>
	<dc:creator xml:lang="en">Malahayati, Malahayati</dc:creator>
	<dc:creator xml:lang="en">Ellyadi, Mega</dc:creator>
	<dc:subject xml:lang="en">Naive Bayes</dc:subject>
	<dc:subject xml:lang="en">Academic Achievement</dc:subject>
	<dc:subject xml:lang="en">Random Forest</dc:subject>
	<dc:subject xml:lang="en">Prediction</dc:subject>
	<dc:subject xml:lang="en">Motivation</dc:subject>
	<dc:description xml:lang="en">Academic achievement is determined by two factors, namely internal factors originating from within the individual in this case students and external factors that come from outside the individual or things that are influenced by the environment. There are many ways to find an academic achievement, one of which uses data mining which aims to predict or classify data using a classification algorithm. This study aims to 1) find out how to apply the Naive Bayes algorithm to student achievement, and 2) see the accuracy of the Naive Bayes algorithm to student achievement. This type of research is secondary data in the form of student data obtained from the information technology center and the Ar-Raniry UIN database. This research uses Naive Bayes algorithm and random forest algorithm. The results obtained from this study indicate the highest correlation value in the initial IP variable of r = 0.783 and the leave variable has a very weak correlation level of r = 0.054. The accuracy value of Naive Bayes algorithm after cleaning is 78.0% and Random Forest algorithm variable is 76.7%.</dc:description>
	<dc:publisher xml:lang="en">Universitas Islam Negeri Ar-Raniry Banda Aceh</dc:publisher>
	<dc:date>2020-07-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jurnal.ar-raniry.ac.id/index.php/cyberspace/article/view/7247</dc:identifier>
	<dc:identifier>10.22373/cj.v4i1.7247</dc:identifier>
	<dc:source xml:lang="en">Cyberspace: Jurnal Pendidikan Teknologi Informasi; Vol. 4 No. 1 (2020); 50-58</dc:source>
	<dc:source xml:lang="id">CYBERSPACE: Jurnal Pendidikan Teknologi Informasi; Vol 4 No 1 (2020); 50-58</dc:source>
	<dc:source>2597-9671</dc:source>
	<dc:source>2598-2079</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://jurnal.ar-raniry.ac.id/index.php/cyberspace/article/view/7247/pdf</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2020 Bustami Yusuf, Muthmainna Qalbi, Basrul Basrul, Ima Dwitawati, Malahayati Malahayati, Mega Ellyadi</dc:rights>
</oai_dc:dc>