SISTEM REKOMENDASI PENERIMAAN MAHASISWA BARU STIKES ARRAHMA MANDIRI INDONESIA MENGGUNAKAN NAIVE BAYES BERBASIS WEB

Kualitas sebuah universitas dalam menciptakan lulusan yang berkualitas ditentukan oleh calon mahasiswa yang masuk ke perguruan tinggi. Salah satu hal yang dapat menentukan kualitasnya adalah proses seleksi penerimaan mahasiswa yang baik. Namun, proses seleksi penerimaan di setiap perguruan tinggi tentu berbeda. Sering kali masukan dari calon mahasiswa yang masuk ke universitas tidak sesuai dengan yang diharapkan sehingga berdampak pada hasil lulusan.
Oleh karena itu, diperlukan suatu sistem yang dapat mendukung pengambilan keputusan dalam seleksi calon mahasiswa baru untuk mendapatkan masukan mahasiswa yangbaik. Penelitian ini membangun Sistem Rekomendasi yang akan membantu dalam proses seleksi universitas untuk tim seleksi calon mahasiswa baru, sistem rekomendasi ini menggunakan metode klasifikasi Naive Bayes di mana nilai ujian dari calon mahasiswa yang telah diterima akan digunakan
sebagai data pelatihan,
kemudian diklasifikasikan berdasarkan nilai IPK yang telah diperoleh. Nilai IPK akan menjadi tolak ukur untuk pembentukan kelas-kelas yang direkomendasikan kepada tim seleksi. Kelas-kelas yang terbentuk adalah kelas kelas yang memiliki nilai IPK di atas batas penerimaan dan kelas yang memiliki nilai IPK di bawah batas penerimaan Kemudian, diberikan data mahasiswa baru, jika calon mahasiswa masuk ke dalam kelas yang aman, maka akan direkomendasikan untuk diterima, tetapi sebaliknya, jika tidak, maka akan direkomendasikan untuk ditolak.
========================================================================================================================
The quality of a university in producing quality graduates is determined by prospective students who enter the institution. One of the factors that can determine its quality is a good student admission selection process. However, the admission selection process varies in each university. Often, the input from prospective students entering the university does not align with expectations, thereby affecting the graduation outcomes.
Therefore, we need a system that can support decision making in the selection of prospective new students to get good student input. This research builds a Recommendation System that will assist in the university selection process for the
selection team for prospective new students, this recommendation system uses the Naive Bayes classification method where the test scores of prospective students who
have been accepted will be used as training data, then classified based on the GPA values that have been obtained. The GPA value will be a benchmark for the formation of classes recommended to the selection team. The classes formed are classes that have a GPA above the acceptance limit and classes that have a GPA below the acceptance limit.
Then, given new student data, if the prospective student enters a safe class, they will be recommended for acceptance, but conversely, if not, they will be recommended for rejection.