Prediksi Keputusan Kehadiran Mahasiswa Menggunakan Metode Naive Bayes Dengan Pendekatan Backward Reasoning

Daffa Anugraha; Jati Nur  Shiddiq; Gita Syahfitri Wulandari Surbakti; Ika Yusnita Sari

doi:10.31004/riggs.v5i1.5317

Authors

Daffa Anugraha Universitas islam negeri Sumatera Utara
Jati Nur Shiddiq Universitas Islam Negeri Sumatera Utara
Gita Syahfitri Wulandari Surbakti Universitas Islam Negeri Sumatera Utara
Ika Yusnita Sari Universitas Islam Negeri Sumatera Utara

DOI:

https://doi.org/10.31004/riggs.v5i1.5317

Keywords:

Kehadiran Mahasiswa, Naive Bayes, Backward Reasoning, Prediksi

Abstract

Kehadiran mahasiswa merupakan salah satu indikator penting dalam proses pembelajaran di perguruan tinggi karena berpengaruh langsung terhadap pemahaman materi, keterlibatan akademik, dan capaian hasil belajar. Tingkat ketidakhadiran yang tinggi dapat menjadi permasalahan serius apabila tidak diidentifikasi sejak dini. Penelitian ini bertujuan untuk memprediksi keputusan kehadiran mahasiswa menggunakan metode Naive Bayes dengan pendekatan Backward Reasoning guna menghasilkan model prediksi yang tidak hanya akurat, tetapi juga mudah diinterpretasikan. Penelitian ini menggunakan metode kuantitatif dengan eksperimen komputasi. Data diperoleh melalui kuesioner yang diisi oleh 25 mahasiswa Program Studi Sistem Informasi Universitas Islam Negeri Sumatera Utara. Variabel yang digunakan meliputi semester, tingkat pemahaman materi, metode pengajaran dosen, beban tugas, kondisi kesehatan, motivasi belajar, kebiasaan belajar, jarak tempat tinggal ke kampus, kondisi cuaca, dan waktu pelaksanaan perkuliahan. Data diproses menggunakan algoritma Multinomial Naive Bayes dengan pembagian data sebesar 80% untuk data latih dan 20% untuk data uji. Hasil pengujian menunjukkan bahwa model memperoleh tingkat akurasi sebesar 80% dengan nilai F1-score sebesar 0,80 serta performa yang stabil berdasarkan pengujian 5-Fold Cross Validation. Selanjutnya, pendekatan Backward Reasoning digunakan untuk menelusuri faktor-faktor yang paling berpengaruh terhadap hasil prediksi. Hasil analisis menunjukkan bahwa kondisi kesehatan dan motivasi belajar merupakan faktor dominan dalam menentukan keputusan kehadiran mahasiswa dibandingkan faktor eksternal seperti cuaca dan jarak. Penelitian ini diharapkan dapat menjadi dasar pengembangan sistem pendukung keputusan untuk membantu pihak akademik dalam melakukan intervensi dini guna meningkatkan tingkat kehadiran mahasiswa

Downloads

Download data is not yet available.

References

D. Irfan, P. Ramadani, I. N. Fitriyani, R. S. Damanik, and Y. I. Mahenda, “Prediksi Risiko Mahasiswa Mengulang Mata Kuliah Menggunakan Algoritma Naïve Bayes JURNAL MEDIA INFORMATIKA [ JUMIN ],” vol. 5, pp. 271–278, 2024.

P. A. D. Saepudin, “Prediksi Kehadiran Mahasiswa Universitas Teknologi Digital Menggunakan Naïve Bayes,” vol. 2, no. 2, pp. 7–24, 2024.

M. Tafsir, “Penerapan Algoritma Naïve Bayes Untuk Prediksi Waktu Kelulusan Mahasiswa,” vol. 13, pp. 2072–2083, 2024.

B. Rizky, S. Dwinanda, A. N. Ilhami, H. Choerunisya, and I. J. Thira, “Jurnal Sistem dan Teknologi Informasi Indonesia Prediksi Nilai Akhir Mahasiswa Dengan Metode Naïve Bayes Prediction of Final Student Grades Using Naive Bayes Method,” vol. 9, no. 1, pp. 27–35, 2024.

R. A.Siroj, W. Afgani, Fatimah, D. Septaria, and G. Zahira Salsabila, “METODE PENELITIAN KUANTITATIFPENDEKATAN ILMIAH UNTUK ANALISISDATA,” J. Rev. Pendidik. dan Pengajaran, vol. 7, no. 3, pp. 11279–11289, Jul. 2024.

U. Athiyah et al., “Diagnosa Resiko Penyakit Jantung Menggunakan Logika Fuzzy Metode Tsukamoto,” vol. 11, no. 1, 2021.

N. Febriany, F. Agustina, and R. Marwati, “APLIKASI METODE FUZZY MAMDANI DALAM PENENTUAN STATUS GIZI DAN MENGGUNAKAN SOFTWARE MATLAB,” pp. 84–96, 2021.

L. Ranaldi and G. Pucci, “Findings of the Association for Computational Exploring Backward Reasoning in Large Language Models,” Assoc. Comput. Linguist., pp. 6571–6586, Apr. 2025, doi: 10.18653/v1/2025.findings-naacl.366.

A. S. Mahda, A. Zumrodah, K. I. Daud, and M. I. Anshori, “Jurnal Ilmu Pengetahuan Sosial,” J. Ilmu Pengetah. Sos., vol. 12, no. 5, p. 1957, 2025.

H. Manurung, “Mental Siswa Menjelang Ujian Akhir Pakar Dengan,” vol. 9, no. 2, pp. 115–122, 2025.

D. Handayani, I. Rawinto, and H. Lubis, “SISTEM PAKAR BERBASIS WEB DIAGNOSIS KERUSAKAN PRINTER MENGGUNAKAN,” vol. 5, pp. 275–287, 2025.

A. K. Putra and F. Sugandi, “Keperawatan Dengan Pendekatan,” vol. 7, no. 2, pp. 138–146, 2024.

F. M. R. Akhdan, A. S. Koten, A. M. Bouk, F. R. A. Rozi, and R. Agustina, “Department of Informatics Magister, Universitas Islam Indonesia, Yogyakarta, Indonesia Department of Informatics Engineering, University of Widyagama Malang, Jl. Borobudur No. 35 Malang, Indonesia 5 Department of Information System, Universitas PGRI Kanju,” vol. 01, no. 02, pp. 44–49, 2024.

K. J. Atmaja, I. P. Y. Indrawan, I. M. Dwi, P. Asana, and I. K. Wawan, “Journal of Computer Networks , Architecture and High Performance Computing Naïve Bayes-based Student Graduation Prediction Model : Effectiveness and Implementation to Improve Timely Graduation Journal of Computer Networks , Architecture and High Performan,” vol. 6, no. 3, pp. 1442–1450, 2024.

R. R. Ekawati, V. Atina, and J. Maulidar, “Prediksi Ketuntasan Belajar Siswa Menggunakan Naive Bayes dengan Integrasi Data Student Completion Prediction System Using the Naive Bayes Method at SMA Negeri 1 Plupuh,” J. Pendidik. dan Teknol. Indones., vol. 5, no. 4, pp. 1161–1173, 2025.