ANALISA KINERJA METODE KLASIFIKASI DATA MINING MENGGUNAKAN ALGORITMA NAÏVE BAYES UNTUK PREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA (STUDI KASUS STIKES SYEDZA SAINTIKA)

ABSTRAK Tingkat kelulusan merupakan salah satu parameter efektifitas institusi pendidikan. Penurunan tingkat kelulusan mahasiswa berpengaruh terhadap akreditasi perguruan tinggi. Database perguruan tinggi menyimpan data administrasi dan akademik mahasiswa, apabila dieksplorasi dengan tepat menggunakan teknik data mining maka dapat diketahui pola atau pengetahuan untuk mengambil keputusan. Algoritma naive  bayes  bertujuan  untuk  mengukur  tingkat  akurasi untuk  diterapkan  dalam  kasus  ketepatan waktu kelulusan mahasiswa. Metode Naive Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik untuk memprediksi peluang dimasa depan berdasarkan pengalaman di masa sebelumnya. Penelitian ini menggunakan data mahasiswa program studi Pendidikan Teknik Informatika Universitas Negeri Padang angkatan 2011. Variabel  yang  digunakan  dalam  penelitian  ini  adalah:  NIM, nama, jenis kelamin, status masuk, IPK, daerah asal dan status pekerjaan. Berdasarkan hasil pengujian dengan mengukur kinerja metode, diketahui bahwa naive bayes memiliki nilai akurasi yamg bagus yaitu sebesar 93,48%. Dari nilai akurasi tersebut dapat ditarik kesimpulan bahwa algoritma naive bayes memiliki kinerja yang baik dalam memprediksi ketepatan waktu kelulusan mahasiswa. Kata kunci: DataMining ; Klasifikasi ; Naive Bayes ; Ketepatan Kelulusan Mahasiswa. ABSTRACT The excellent service is the best way that we give according with the expectation or more than costumers expect. The purpose of this service is to determine the relationship between the independent and dependent variable. Type of this research is analytic research with a sectional research design has been done on 30th desember 2019 until 5th October 2020. The population of the research is an outpatient at RSUD Sultan Thaha Saifuddin Tebo as total 5.593 suspect. The total of sample this research is 107 patient. The technical of sample used is Purposive sampling.  Data analysis was done by univariat and bivariat testing used statistical test. Chi-Square with the accuracy 95%a=0,05 . Research result got 59,8% Patient feel bad service, 56,1% less ability, 68,2% less attitude, 56,1% less appearance 68,2% less of attention, 55,1% not alert, 54,2% not responsible. Ther is a link between Excellent service (p=0,042), Attitude (p=0,024), Appearance (p=0,028), Action (p=0,000) and responsible (p=0,001). Unrelated factor with excellent service (p=0,066) The conclusion is the relation of capability, attitude, appearance, attention, action, and responsibility with Excellent service at the administration outpatient officer in RSUD Sultan Thaha Saifuddin Tebo in 2020. Hope the hospital can implement a servise schedule in accordance with the applicable schedule provisions. Keywords : Excellent service ; capability ; attitude ; appearance; attention; action ; and responsibility