STMIK AKAKOM Yogyakarta setiap tahunnya melakukan penerimaan mahasiswa baru yang dilakukan oleh bagian marketing dan admisi, penerimaan mahasiswa baru sangat penting untuk STMIK AKAKOM Yogyakarta karena operasional kampus dibiayai oleh pemasukan yang berasal dari SPP mahasiswa. Sehingga diperlukan suatu sistem untuk bisa melakukan prediksi jumlah mhasiswa baru setiap tahunnya, sebagai informasi bagi manajemen sebagai dasar pengelolaan kegiatan kampus.Naïve Bayes adalah pengklasifikasian

more »

... k yang dapat digunakan untuk memprediksi probabilitas keanggotaan suatu class. Naïve Bayes didasarkan pada teorema Bayes yang memiliki kemampuan klasifikasi seperti decision tree dan neural network. Naïve Bayes digunakan untuk memprediksi jumlah mahasiswa baru dengan menggunakan data pendaftar ulang di tahun sebelumnya yang memiliki atribut yaitu asal kota, gelombang, program studi, penghasilan orang tua, nilai U N dan status registrasi, sehingga pihak marketing dan admisi STMIK AKAKOM Yogyakarta mendapat gambaran jumlah mahasiswa baru ditahun depan.Hasil dari penelitian ini adalah sistem yang dapat memprediksi data dengan kelas yaitu registrasi dan tidak registrasi. Dari 1704 data testing yang di proses menggunakan sistem didapatkan hasil prediksi registrasi sebanyak 1226 data dan tidak registrasi 478 data. Untuk pengujian dari 731 data didapatkan hasil prediksi 679 data terprediksi benar dan 52 data salah prediksi. Tingkat akurasi probabilitas yang didapatkan sebesar 92,88%.