jimik@stmiki.ac.id 081377790601 Online Submission Open
Vol. 5 No. 3 (2024) • Articles
Open Access

Implementasi Algoritma Naïve Bayes dalam Memprediksi Tingkat Kelulusan Siswa pada Sertifikasi Mikrotik Certified Network Associate (MTCNA)

Salim Maula Hudzaifah
Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika
Dedi Gunawan
Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika
Dadang Iskandar
Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika
Published: September 20, 2024 Pages: 3225-3236
Original Full-Text Article
Download published version for reading and archiving
Download PDF
Abstract

The development of technology has increased the importance of certification in computer networking, such as the MikroTik Certified Network Associate (MTCNA). This certification is crucial for students who want to validate their skills and enhance their career prospects. However, predicting student graduation rates for the MTCNA certification presents various challenges, such as prior knowledge, study habits, and the complexity of the exam content. These factors can significantly affect the accuracy of predictions regarding student graduation rates. This study aims to address these issues by implementing the Naïve Bayes algorithm to predict student graduation rates for the MTCNA certification. The Naïve Bayes algorithm, known for its simplicity and effectiveness in classification problems, is expected to provide a more accurate predictive model. This study uses historical data on student performance and other relevant attributes. The results show that the Naïve Bayes model has an adequate prediction accuracy, with an accuracy rate of 91.70%. These findings are expected to provide valuable insights for educators and students, thereby improving preparation strategies and success rates in the MTCNA certification exam.

Keywords:
Naïve Bayes Algorithm Graduation Prediction Networking Technology Classification
Article Metrics & Downloads Graph
Monthly Download Trends:
Author Biographies
Salim Maula Hudzaifah Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Program Studi Teknik Informatika, Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta, Indonesia.

Dedi Gunawan Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Program Studi Teknik Informatika, Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta, Indonesia.

Dadang Iskandar Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Program Studi Teknik Informatika, Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta, Indonesia.

How to Cite
Hudzaifah, S. M., Gunawan, D., & Iskandar, D. (2024). Implementasi Algoritma Naïve Bayes dalam Memprediksi Tingkat Kelulusan Siswa pada Sertifikasi Mikrotik Certified Network Associate (MTCNA). Jurnal Indonesia : Manajemen Informatika Dan Komunikasi, 5(3), 3225-3236. https://doi.org/10.35870/jimik.v5i3.1012
License

Creative Commons Attribution 4.0 International License (CC BY 4.0)

This is an open-access article distributed under the terms of the Creative Commons Attribution 4.0 International License .

  • Share: You are free to copy, distribute, and transmit the work in any medium or format.
  • Adapt: You are free to remix, transform, and build upon the work for any purpose, even commercially.
  • Attribution: You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
Copyright & Retention: Authors retain copyright without restrictions and grant this journal the right of first publication under an open-access model. The journal retains non-exclusive publishing rights for archiving, indexing, and scholarly dissemination.

References
Total: 18 References
  1. Armansyah, A., & Ramli, R. K. (2022). Model Prediksi Kelulusan Mahasiswa Tepat Waktu dengan Metode Naïve Bayes. Edumatic: Jurnal Pendidikan Informatika, 6(1), 1-10. DOI: https://doi.org/10.29408/edumatic.v6i1.4789.
  2. Firmansyah, A., Ramadhani, F., & Fauzan, E. (2020). Sistem Pendukung Keputusan Penentuan Status Karyawan Menggunakan Metode Naïve Bayes. Jurnal Ilmiah Intech, 2(02), 458512.
  3. Gunawan, M., Zarlis, M., & Roslina, R. (2021). Analisis Komparasi Algoritma Naïve Bayes dan K-Nearest Neighbor Untuk Memprediksi Kelulusan Mahasiswa Tepat Waktu. Jurnal Media Informatika Budidarma, 5(2), 513-523. DOI: http://dx.doi.org/10.30865/mib.v5i2.2925.
  4. Hartatik, H. (2021). Optimasi model prediksi kelulusan mahasiswa menggunakan algoritma naive bayes. IJAI (Indonesian Journal of Applied Informatics), 5(1), 32-38. DOI: https://doi.org/10.20961/ijai.v5i1.44379.
  5. Hidayat, W. N., Patmanthara, S., Elmunsyah, H., Asfani, K., Hidayati, N., Wakhidah, R., ... & Jember, P. N. (2023). Pelatihan Mikrotik Untuk Peningkatan Kompetensi Administrasi Jaringan Komputer Untuk Persiapan Sertifikasi MTCNA Bagi Guru Dan Siswa SMKN 10 Malang. Jurnal Abdimas Berdaya: Jurnal Pembelajaran, Pemberdayaan dan Pengabdian Masyarakat, 6(1).
  1. Malau, F. R., & Mulyana, D. I. (2022). Classification of Edelweiss Flowers Using Data Augmentation and Linear Discriminant Analysis Methods. Journal of Applied Engineering and Technological Science (JAETS), 4(1), 139-148. DOI: https://doi.org/10.37385/jaets.v4i1.960.
  2. Nalatissifa, H., Gata, W., Diantika, S., & Nisa, K. (2021). Perbandingan Kinerja Algoritma Klasifikasi Naive Bayes, Support Vector Machine (SVM), dan Random Forest untuk Prediksi Ketidakhadiran di Tempat Kerja. Jurnal Informatika Universitas Pamulang, 5(4), 578-584.
  3. Poerwandono, E., & Perwitosari, F. J. (2023). Penerapan Data Mining Untuk Penilaian Kinerja Karya Di PT Riksa Dinar Djaya Menggunakan Metode Naive Bayes Classification. Jurnal Sains dan Teknologi, 5(1), 336-340.
  4. Purnama, I., Bangun, B., Lubis, R. R. H., & Sakinah, S. (2022). Pelatihan Mikrotik Untuk Peningkatan Kompetensi Administrasi Jaringan Komputer untuk Persiapan Sertifikasi MTCNA Bagi Siswa SMKS Siti Banun. Jurnal Pengabdian Masyarakat Gemilang (JPMG), 2(4), 92-95. DOI: https://doi.org/10.58369/jpmg.v2i4.145.
  5. Putri, A. M. N., & Octaviano, A. (2023). Sistem Pendukung Keputusan Kenaikan Jabatan Menggunakan Metode Naive Bayes: Studi Kasus: PT Buana Mulia Indonesia. LOGIC: Jurnal Ilmu Komputer dan Pendidikan, 1(6), 1514-1521.
  6. Rifai, M. F., Jatnika, H., & Valentino, B. (2019). Penerapan Algoritma Naïve Bayes Pada Sistem Prediksi Tingkat Kelulusan Peserta Sertifikasi Microsoft Office Specialist (MOS). DOI: https://doi.org/10.33322/petir.v12i2.471.
  7. Saputro, I. W., & Sari, B. W. (2020). Uji Performa Algoritma Naïve Bayes untuk Prediksi Masa Studi Mahasiswa. Creative Information Technology Journal, 6(1), 1-11. DOI: https://doi.org/10.24076/citec.2019v6i1.178.
  8. Senika, A., Rasiban, R., & Iskandar, D. (2022). Implementasi Metode Naïve Bayes Dalam Penilaian Kinerja Sales Marketing Pada PT. Pachira Distrinusa. Jurnal Media Informatika Budidarma, 6(1), 701-709. DOI: http://dx.doi.org/10.30865/mib.v6i1.3331.
  9. Setiawan, K. M., Wahyuni, F. S., & Faisol, A. (2021). Perbandingan Algoritma C4. 5 Dan Danive Bayes Untuk Menentukan Karyawan Berprestasi. JATI (Jurnal Mahasiswa Teknik Informatika), 5(1), 235-245. DOI: https://doi.org/10.36040/jati.v5i1.3311.
  10. Setiyani, L., Wahidin, M., Awaludin, D., & Purwani, S. (2020). Analisis Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Data Mining Naïve Bayes: Systematic Review. Faktor Exacta, 13(1), 35-43.
  11. Sudrajat, A. (2022). Penerapan Metode Naïve Bayes Untuk Menentukan Penilaian Kinerja Karyawan PT. Sinergi Guna Solusindo. OKTAL: Jurnal Ilmu Komputer dan Sains, 1(10), 1596-1606.
  12. Yulianti, W., Wiyanto, W., & Nurhidayanti, N. (2023). APPLICATION OF DATA MINING USING NAIVE BAYES ALGORITHM FOR CLASSIFICATION OF EMPLOYEE CONTRACT EXTENSION AT PT TORINI JAYA ABADI. Jurnal Informatika Teknologi dan Sains (Jinteks), 5(3), 516-524. DOI: https://doi.org/10.51401/jinteks.v5i3.3348.
  13. Zeniarja, J., Salam, A., & Ma'ruf, F. A. (2022). Seleksi Fitur dan Perbandingan Algoritma Klasifikasi untuk Prediksi Kelulusan Mahasiswa. Jurnal Rekayasa Elektrika, 18(2). DOI: https://doi.org/10.17529/jre.v18i2.24047.
Similar Articles

Articles sharing related keywords and machine learning classifications:

Perbandingan Algoritma Klasifikasi Decision Tree, Random Forest, dan Naive Bayes dalam Prediksi Kelulusan Mahasiswa
Vol. 7 No. 3 (2026) • DOI: 10.63447/jimik.v7i3.2082
Penerapan Algoritma Naive Bayes dalam Sistem Analisis Sentimen Media Sosial X terhadap Film Agak Laen
Vol. 6 No. 3 (2025) • DOI: 10.63447/jimik.v6i3.1608
Implementasi Algoritma C4.5 dan Naive Bayes untuk Analisis Sentimen Publik terhadap Platform Live Streaming Dukov di Indonesia
Vol. 5 No. 3 (2024) • DOI: 10.35870/jimik.v5i3.1011
Implementasi Metode Bagging dan Teknik Discretization pada Algoritma Machine Learning untuk Memprediksi Status Stunting pada Anak Balita
Vol. 6 No. 1 (2025) • DOI: 10.35870/jimik.v6i1.1279
Klasifikasi Penyakit Migrain dengan Metode Naïve Bayes pada Dataset Kaggle
Vol. 6 No. 1 (2025) • DOI: 10.35870/jimik.v6i1.1150
Most read articles by the same author(s)

Other papers published by author(s) in this journal:

PENERAPAN METODE SNMP (SIMPLE NETWORK MANAGEMENT PROTOCOL) DALAM OPTIMALISASI KINERJA JARINGAN KOMPUTER STUDI KASUS PADA IDN BOARDING SCHOOL
Husein, Dedi Gunawan • Vol. 4 No. 3 (2023)