Sistem Pendukung Keputusan Untuk Mengevaluasi Internal Program Studi
Subject | |
Type | Research Instrument |
Download (626KB) Indexing metadata |

The development of major and study program cannot be separated by some internal factors weather directly influenced number of new registration students or indirectly. It needs a method to both know and to analyze internal evaluation variables in major or study program. Naive Bayes Clasifier (NBC) method is the simple form of Bayesian network that assume all features are independent each other. NBC shows us a great performance entirely in accuracy and error level classification. NBC is able to differentiate irrelevance attribute and also classified some attributes in prediction needs. This research hopefully can be useful for major internal evaluating and study program in order to increase the number of new registration students. The classification by influenced of variables to evaluate the condition of both major and study program for the new registration students.
Note: This article has supplementary file(s).
Article Metrics:
Last update: 2021-02-26 21:24:48
Last update: 2021-02-26 21:24:48
Penulis yang mengirimkan naskah harus memahami dan menyetujui bahwa jika diterima untuk dipublikasikan, hak cipta dari artikel adalah milik JSINBIS dan Universitas Diponegoro sebagai penerbit jurnal.
Hak cipta (copyright) meliputi hak eksklusif untuk mereproduksi dan memberikan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm dan setiap reproduksi lain yang sejenis, serta terjemahan. Penulis mempunyai hak untuk hal-hal berikut:
- menggandakan seluruh atau sebagian materi yang dipublikasikan untuk digunakan oleh penulis sendiri sebagai bahan pengajaran di kelas atau bahan presentasi lisan dalam berbagai forum;
- menggunakan kembali sebagian atau keseluruhan materi sebagai bahan kompilasi bagi karya tulis penulis;
- membuat salinan dari bahan yang dipublikasikan untuk didistribusikan di lingkungan institusi tempat penulis bekerja.
JSINBIS dan Universitas Diponegoro serta Editor melakukan segala upaya untuk memastikan bahwa tidak ada data, pendapat atau pernyataan yang salah atau menyesatkan yang dipublikasikan di jurnal ini. Isi artikel yang diterbitkan di JSINBIS adalah tanggung jawab tunggal dan eksklusif dari masing-masing penulis.