Articles
Open Access

APLIKASI PEMILIHAN DOSEN PEMBIMBING TUGAS AKHIR MAHASISWA BERDASARKAN KATEGORI PILIHAN DAN KEAHLIAN DOSEN MENGGUNAKAN METODE NAÃVE BAYES CLASSIFIER

Download PDF

Abstract

Dalam tugas akhir mahasiswa dosen pembimbing mempunyai peranan penting bagi penentuan keberhasilan dan kelulusan mahasiswa. Mahasiswa memerlukan dosen pembimbing tugas akhir yang dapat menjadi sarana konsultasi dalam proses pengerjaan tugas akhir mahasiswa. Dengan demikian diharapkan mahasiswa dapat mengerjakan tugas akhir dengan baik, lancar dan selesai tepat waktu. Untuk itu diperlukan  dosen pembimbing yang ideal bagi mahasiswa . Seperti halnya di STMIK Hang Tuah Pekanbaru dalam proses pengajuan judul tugas akhir tersebut,terdapat beberapa masalah yang muncul, yakni adanya kemungkinan kesalahan penentuan pembimbing karena proses penentuannya masih menggunakan cara konvensional yaitu berdasarkan pengetahuan pribadi dari Ketua Prodi, kesulitan memantau perkembangan proses pengajuan judul tugas akhir mahasiswa dan kesulitan untuk melakukan pemerataan pembimbing tugas akhir.  Aplikasi pemilihan dosen pembimbing tugas akhir pada mahasiswa adalah solusi dari permasalahan. Sistem rekomendasi dosen pembimbing yang di bangun memanfaatkan algoritma naïve bayes classifier sebagai penentu hasil probabilitas dosen yang dapat dipilih mahasiswa. Naive Bayes merupakan teknik prediksi berbasis probabilistic sederhana yang berdasar pada penerapan teorema bayes (aturan bayes) dengan asumsi independensi (ketidak tergantungan) yang kuat. Pemilihan didasarkan pada kriteria kategori tugas akhir mahasiswa dan keahlian dosen. Dari aplikasi rekomendasi ini didapatkan rekomendasi dosen pembimbing yang sesuai dengan konsep tugas akhir mahasiswa. Dengan acuan data training dan aturan bayes didapat hasil yang cukup memberikan kepuasan bagi mahasiswa dalam mendapatkan dosen pembimbing yang sesuai dengan topik permasalahan tugas akhir mahasiswa.

References

1
A. R. W. Mahfuzhi, S. Fernandes, and M. John, “Pembuatan Aplikasi Pendukung Keputusan Beasiswa Tidak Mampu Dengan Metode Naive Bayes.â€
2
Erdawati, E., Linarta, A., Adrianto, S., & Yunita, P. (2019). Sistem Pendukung Keputusan Penilaian Dosen Berkualitas Di Stmik Dumai Menggunakan Metode Simple Additive Weighting. Informatika, 8(2), 55-63.
3
Fitriastuti, F., Rahmalisa, U., & Girsang, A. S. (2019, March). Multi-criteria decision making on succesfull of online learning using AHP and regression. In Journal of Physics: Conference Series (Vol. 1175, No. 1, p. 012071). IOP Publishing.
4
I. Septiana, M. Irfan, A. R. Atmadja, B. Subaeki, J. T. Informatika, and F. Sains, “PENENTU DOSEN PENGUJI DAN PEMBIMBING TUGAS AKHIR MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTE DECISION MAKING DENGAN SIMPLE ADDITIVE WEIGHTING ( Studi Kasus : Jurusan Teknik Informatika UIN SGD Bandung ),†vol. I, no. 1, pp. 43–50, 2016.
5
Melyanti, R., & Andreas, Y. (2017). Sistem E-wisata pada Dinas Pariwisata di Kota Pekanbaru Berbasis Android. Jurnal Ilmu Komputer, 6(2), 124-127.
Downloads
Download data is not yet available.

How to Cite

APLIKASI PEMILIHAN DOSEN PEMBIMBING TUGAS AKHIR MAHASISWA BERDASARKAN KATEGORI PILIHAN DAN KEAHLIAN DOSEN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER. (2020). Jurnal Ilmu Komputer, 9(2), 88-97. https://doi.org/10.33060/JIK/2020/Vol9.Iss2.171