Penerapan Feature Selection untuk Prediksi Lama Studi Mahasiswa

Kelulusan tepat waktu merupakan permasalahan yang sering dialami oleh institusi perguruan tinggi. Beberapa faktor dapat menjadi penyebabnya. Pada penelitian ini diterapkan teknik data mining feature selection untuk menganalisis pengaruh mata kuliah terhadap lama studi mahasiswa. Teknik feature selection yang digunakan yaitu Correlation Based, Information Gain Based, dan Learner Based. Akurasi dari masing-masing metode seleksi fitur diukur menggunakan algoritma klasifikasi Naive Bayes. Hasil uji coba menunjukkan penerapan teknik feature selection mampu meningkatkan akurasi klasifikasi dari algoritma Naive Bayes. Hasil uji coba terhadap dataset nilai mahasiswa menunjukkan teknik Learner Based menggunakan model Wrapper menghasilkan akurasi paling tinggi. Akurasi paling rendah diperoleh menggunakan teknik Information Gain.