Memprediksi Daftar Ulang Mahasiswa Baru menggunakan Algoritma Bayesian classification di UM Purworejo

Penelitian ini menganalisa data PMB tahun 2016. Proses PMB di UM Purworejo memiliki beberapa jalur yaitu Reguler, Transfer dan Bidikmisi. Ketika proses PMB beberapa kendala yang dijumpai dan dialami salah satunya adalah jumlah calon mahasiswa yang tidak daftar ulang semakin meningkat.

Berdasarkan identifikasi permasalahan dan informasi dari petugas hal yang paling penting yaitu jumlah calon mahasiswa yang tidak daftar ulang semakin bertambah setiap tahun, sehingga mempengaruhi dampak jumlah penerimaan PMB. Penelitian ini menyelesaikan permasalah tersebut menggunakan Algoritma Bayesian Classification agar peluang daftar ulang mahasiswa dapat diketahui lebih awal.

Berdasarkan perhitungan data calon mahasiswa dapat diperoleh kesimpulan bahwa class TDU 55% lebih besar dari pada class DU 45%. Artinya calon mahasiswa yang tidak daftar ulang secara keseluruhan semua program studi lebih besar. Dijelaskan  bahwa program studi PBSJ 100% tidak ada calon mahasiswa yang daftar ulang. Program studi Pendidikan Ekonomi masih ada peluang 75% calon mahasiswa yang DU. Program studi Pendidikan Fisika 100% tidak ada calon mahasiswa yang mendaftar. Program studi Teknik Sipil ada peluang 25% calon mahasiswa akan DU. Program Studi Agribisnis ada peluang 75% calon mahasiswa melakukan DU. Program studi Peternakan 90% tidak ada peluang calon mahasiswa yang mendaftar. Program studi Psikologi memiliki peluang sama dengan program studi Peternakan yaitu 90% tidak ada peluang calon mahasiswa mendaftar. Untuk program studi Hukum memiliki peluang 90% calon mahasiswa mendaftar.Kata kunci: Bayesian Calssification, mahasiswa baru, daftar ulang