Analisis Tingkat Kepuasan Mahasiswa Pada Aplikasi Sistem Informasi Terpadu (SITU) di Universitas Labuhanbatu Menggunakan Metode Naïve Bayes Dan Decision Tree
Abstract
The Integrated Information System (SITU) is an application used to support various academic services at Universitas Labuhanbatu. The quality of services provided by this application needs to be evaluated to determine the level of student satisfaction as its users. This study aims to analyze student satisfaction with the use of the Integrated Information System (SITU) using the Naïve Bayes and Decision Tree methods. The research applies the Knowledge Discovery in Databases (KDD) process, which consists of Selection, Preprocessing, Transformation, Data Mining, Evaluation, and Interpretation. The research data were collected through questionnaires distributed to 50 students of the Faculty of Science and Technology at Universitas Labuhanbatu. The research variables include System Ease of Use, System Access Speed, Information Accuracy, User Interface, and System Reliability, while the target variable is the student satisfaction level, classified into Satisfied and Dissatisfied categories. The classification process was carried out using Orange Data Mining software and evaluated using a Confusion Matrix. The interpretation results based on 27 testing data showed that the Decision Tree algorithm classified 19 instances as Satisfied and 8 instances as Dissatisfied, while the Naïve Bayes algorithm classified 18 instances as Satisfied and 9 instances as Dissatisfied. Furthermore, the Confusion Matrix evaluation indicated that the Naïve Bayes method achieved a 96.8% prediction accuracy for the Satisfied category, outperforming the Decision Tree method, which achieved 81.6%. Based on these results, the Naïve Bayes method demonstrated superior classification performance in analyzing student satisfaction with the Integrated Information System (SITU). The findings of this study are expected to serve as a reference for Universitas Labuhanbatu in evaluating and improving the quality of services provided through the Integrated Information System (SITU).
Full Text:
PDFReferences
Adzy, L. B., Asriyanik, A., & Pambudi, A. (2023). Algoritma naïve bayes untuk klasifikasi kelayakan penerima bantuan iuran jaminan kesehatan pemerintah daerah kabupaten sukabumi. Jurnal Mnemonic, 6(1), 1-10.
Aktavera, B., & Wijaya, H. O. L. (2023). Klasifikasi Produk Menggunakan Algoritma Decision Tree. Jurnal Teknologi Informasi Mura, 15(1), 24-29.
Ameliatus, Q., & Fatah, Z. (2024). Klasifikasi Kelulusan Mahasiswa Menggunakan Metode Decision Tree Menggunakan Aplikasi Rapidminer. Jurnal Riset Teknik Komputer, 1(4), 58-64.
Antika, D., Harahap, S. Z., Ah, R. M., & Juledi, A. P. (2025). Penerapan Data mining Klasifikasi Tingkat Kepuasan Mahasiswa Terhadap Pelayanan Akademik Menggunakan Metode Naïve Bayes Dan Support Vector Machine (Studi Kasus Program Studi Sistem Informasi Universitas Labuhanbatu). Journal of Computer Science and Information System (JCoInS), 6(3), 221-232
Assyahri, W., & Mardaus, M. (2023). Pengaruh kualitas pelayanan akademik terhadap kepuasan mahasiswa Universitas Negeri Padang. Jurnal Manajemen Dan Ilmu Administrasi Publik (JMIAP), 5(3), 239-247.
Hasanah, W., & Fatah, Z. (2024). IMPLEMENTASI KELULUSAN MAHASISWA BERDASARKAN DATA NILAI AKADEMIK MENGGUNAKAN ALGORITMA DECISION TREE. Jurnal Ilmiah Multidisiplin Ilmu, 1(6), 79-83.
Hirwono, B., Hermawan, A., & Avianto, D. (2023). Implementasi Metode Naïve Bayes untuk Klasifikasi Penderita Penyakit Jantung. J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), 7(3), 450-457.
Huriah, D. A., & Nuris, N. D. (2023). Klasifikasi penerima bantuan sosial umkm menggunakan algoritma naïve bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 360-365.
Kartini, A., & Sanmorino, A. (2024). Analisis tingkat kepuasan mahasiswa terhadap sistem informasi akademik STEBIS IGM menggunakan metode PIECES Framework. AnoaTIK: Jurnal Teknologi Informasi Dan Komputer, 2(1), 51-59.
Kirana, A. N., Nurhakim, B., Permana, S. E., Prihartono, W., & Dwilestari, G. (2024). Implementasi Algoritma Naive Bayes Untuk Memprediksi Cuaca Menggunakan Rapidminer. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1637-1642.
Kurniawan, H. P., & Farhatuaini, L. (2024). Identifikasi Pola Kepuasan Mahasiswa Terhadap Proses Pembelajaran Menggunakan Algoritma K-Means Clustering. Jurnal Informatika: Jurnal Pengembangan IT, 9(2), 164-172.
Mardiansa, M., Sari, H. L., & Prahasti, P. (2023). Penerapan Data Mining Untuk Mengetahui Minat Siswa Pada Pelajaran IPA Mengunakan Metode K-Means Clustering. Jurnal Multidisiplin Dehasen (MUDE), 2(4), 693-702.
Maryam, N. S. (2024). Pelayanan prima dalam meningkatkan kepuasan mahasiswa terhadap layanan pembelajaran di Universitas Mandiri. Jurnal Ilmiah Manajemen dan Kewirausahaan (JUMANAGE), 3(1), 257-265.
Nopiyanti, N., Sriati, S., & Imania, K. (2024). Pengaruh kualitas pelayanan akademik terhadap kepuasan mahasiswa di Fakultas Keguruan dan Ilmu Pendidikan Universitas Sriwijaya. Jurnal Ilmu Administrasi Negara AsIAN (Asosiasi Ilmuwan Administrasi Negara), 12(2), 247-253.
Nur, H., Nurhaeni, N., Ahmad, H., & Muhammad, R. A. P. (2025). ANALISIS PENGARUH METODE PEMBELAJARAN HYBRID TERHADAP TINGKAT KEPUASAN MAHASISWA MENGGUNAKAN ALGORITMA DECISION TREE.
Nurani, S., Syahra, Y., & Calam, A. (2023). Penerapan Data Mining Dalam Clustering Pencapaian Target Penjualan Menggunakan Algoritma K-Means. Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), 2(3), 355-363.
Olivia, N., Rizky, F., Angelia, D., & Natasya, D. (2023). Penerapan Metode Naïve Bayes Dalam Klasifikasi Warga Penerima Bantuan Peralatan Tukang Kayu Di Desa Muara Sungai. Innovative: Journal Of Social Science Research, 3(2), 9574-9582.
Qamal, M., Syah, F., & Parapat, A. Z. I. (2023). Implentasi Data Mining Untuk Rekomendasi Paket Menu Makanan Dengan Menggunakan Algoritma Apriori. TECHSI-Jurnal Teknik Informatika, 14(1), 42-53.
Rahmadini, R., LorencisLubis, E. E., Priansyah, A., RWN, Y., & Meutia, T. (2023). Penerapan data mining untuk memprediksi harga bahan pangan di Indonesia menggunakan algoritma K-Nearest Neighbor. Jurnal Mahasiswa Akuntansi Samudra, 4(4), 223-235.
Simbolon, A. I. A., & Riza, F. (2025). Analisis Kepuasan Pengguna Aplikasi Umsu Academy Menggunakan Metode Naïve Bayes. Portal Riset dan Inovasi Sistem Perangkat Lunak, 3(3), 198-211.
Siregar, H. A., Azlan, A., & Gaol, N. Y. L. (2023). Penerapan Data Mining Pada Penjualan Rumah Makan Kasih Ibu Menggunakan Metode K-Means Clustering. Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), 2(5), 750-760.
Sukriadi, S., Ismail, I., & Andzar, A. M. (2023). Penerapan text mining dalam klasifikasi judul skripsi yang diusulkan mahasiswa menggunakan metode naïve Bayes. Jurnal Ilmiah Sistem Informasi Dan Teknik Informatika (JISTI), 6(2), 184-196.
Wirasena, M. R., Reinaldi, M. R., & Jambak, M. I. (2024). Algoritma Decision Tree ID3 Bagi Lembaga Pemberi Pinjaman Untuk Menentukan Faktor Yang Mempengaruhi Kelayakan Individu Memperoleh Pinjaman. The Indonesian Journal of Computer Science, 13(3).
Yani, A., Azmi, Z., & Suherdi, D. (2023). Implementasi Data Mining Menganalisa Data Penjualan Menggunakan Algoritma K-Means Clustering. Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), 2(2), 315-323.
Zain, A. N. W., Muafi, M., & Tholib, A. (2024). Klasifikasi Data Mining di Tingkat Kepuasan Mahasiswa Terhadap Pelayanan Sistem Informasi Fakultas Teknik Universitas Nurul Jadid. SKANIKA: Sistem Komputer Dan Teknik Informatika, 7(2), 204-213.
Zaman, B., & Ardima, M. B. (2024). Prediksi Kepuasan Mahasiswa Terhadap Pelayanan Akademik Menggunakan Model Decision Tree. Jurnal Transformatika, 21(2), 46-55.
DOI: https://doi.org/10.36987/jcoins.v7i3.9708
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Jurnal ini mengikuti pedoman dari Committee on Publication Ethics (COPE) dalam menghadapi semua aspek etika publikasi dan, khususnya, bagaimana menangani kasus penelitian dan kesalahan publikasi. Pernyataan ini menjelaskan etika perilaku semua pihak yang terlibat dalam proses penerbitan artikel di jurnal ini, termasuk Penulis, Pemimpin Redaksi, Dewan Redaksi, Mitra Bebestari, dan Penerbit (Akademi Kepolisian Republik Indonesia). Journal of Computer Science and Information System(JCoInS) berkomitmen untuk mengikuti praktik terbaik tentang masalah etika, kesalahan, dan pencabutan. Pencegahan malpraktek publikasi merupakan salah satu tanggung jawab penting dewan redaksi. Segala jenis perilaku tidak etis tidak dapat diterima, dan jurnal tidak mentolerir plagiarisme dalam bentuk apa pun.
Journal URL: https://jurnal.ulb.ac.id/index.php/JCoInS/index
Journal DOI: 10.36987/jcoins
E-ISSN: 2747-2221
Alamat Redaksi :
Fakultas Sains dan Teknologi, Universitas Labuhanbatu
Gedung Fakultas Sains dan Teknologi,
Jalan Sisingamangaraja No.126 A KM 3.5 Aek Tapa, Bakaran Batu, Rantau Sel., Kabupaten Labuhan Batu, Sumatera Utara 21418