Prediksi Keterlambatan Pembayaran Piutang Mahasiswa Menggunakan Algoritma Naïve Bayes (Studi Kasus Institut Teknologi dan Bisnis Muhammadiyah Wakatobi)

Abstract

Keterlambatan pembayaran piutang mahasiswa merupakan salah satu masalah penting dalam pengelolaan keuangan institusi pendidikan tinggi, termasuk di Institut Teknologi dan Bisnis Muhammadiyah Wakatobi (ITBM). Penelitian ini bertujuan memprediksi keterlambatan pembayaran menggunakan algoritma Naïve Bayes yang sederhana namun efektif. Data berasal dari mahasiswa aktif angkatan ke-2, ke-3, dan ke-4 tahun akademik 2024, dengan atribut seperti pendidikan, pekerjaan dan pendapatan orang tua, jumlah utang, serta status beasiswa. Data diolah melalui pembersihan dan transformasi numerik menggunakan TF-IDF, kemudian diuji dengan metode 5-Fold Cross Validation. Hasil evaluasi menunjukkan akurasi rata-rata 71%, presisi 82%, recall 56%, dan F1-score 65%. Presisi yang tinggi menunjukkan model cukup andal mengidentifikasi mahasiswa yang membayar tepat waktu, meskipun recall yang rendah mengindikasikan masih ada keterbatasan dalam menangkap semua kasus keterlambatan. Temuan ini menunjukkan bahwa algoritma Naïve Bayes berpotensi menjadi alat bantu prediktif dalam mendukung manajemen risiko keuangan institusi pendidikan tinggi. Disarankan pengembangan lebih lanjut dengan teknik penyeimbangan data dan perluasan atribut untuk meningkatkan kinerja model.