Perbandingan Algoritma Naive Bayes dan Markov Chains untuk Prediksi Kelulusan Mahasiswa Jurusan Teknik Elektro Universitas Muhammadiyah Malang

Mahasiswa lulus tepat waktu adalah hal yang diinginkan oleh semua mahasiswa termasuk pihak kampus atau universitas yang menjadi tempat mahasiswa tersebut mencari ilmu, waktu yang dibutuhkan mahasiswa S1 untuk lulus adalah 4 tahun. Namun mahasiswa yang mengambil kuliah di jurusan teknik elektro seperti jurusan teknik elektro universitas muhammadiyah malang sebagian lulus melebihi waktu standar kelulusan 4 tahun yang dapat dilihat pada laporan jaminan mutu bahwa 12% mahasiswa yang lulus tepat waktu dan itu menjadi tantangan bagi dosen dan penanggung jawab jurusan didalamnya. Oleh karena itu prediksi menjadi salah satu informasi yang dibutuhkan untuk mengetahui apa yang akan terjadi kedepannya. Salah satu kegunaan prediksi yaitu untuk memprediksi kelulusan mahasiswa jurusan teknik elektro universitas muhammadiyah malang, fungsinya untuk menambah informasi, mengantisipasi, menentukan langkah selanjutnya dan target yang dibutuhkan jika menurut prediksi pada periode tersebut mahasiswa yang lulus terlalu rendah sehingga butuh antisipasi yang lebih untuk meningkatkan angka tersebut. Karena itulah machine learning dibutuhkan untuk memprediksinya. Metode machine learning yang akan digunakan yaitu Naive Bayes dan Markov Chains. Pada umumnya Naive Beyes dan Markov Chains sama-sama bisa digunakan untuk melakukan prediksi pada suatu hal atau peristiwa, hanya saja cara yang digunakan oleh kedua algoritma tersebut berbeda. Dengan menggunakan data mahasiswa yang telah lulus sebagai data training dan mahasiswa aktif sebagai data testing. Karena itu peneliti menambahkan Markov Chains untuk mengetahui seberapa tinggi akurasi yang didapatkan dari kedua algoritma tersebut untuk menguji data yang sama.Agar dapat mendapatkan hasil algoritma mana yang lebih akurat untuk memprediksi kelulusan mahasiswa jurusan teknik elektro.