KLASIFIKASI KETEPATAN WAKTU LULUS MAHASISWA MENGGUNAKAN TEKNIK DATA MINING

PRIYATMUDIN, IMAM TEGUH (2020) KLASIFIKASI KETEPATAN WAKTU LULUS MAHASISWA MENGGUNAKAN TEKNIK DATA MINING. S1 thesis, Universitas Mercu Buana Jakarta.

Text (JURNAL MAHASISWA) 41516010029 - Imam Teguh Priyatmudin.pdf Restricted to Registered users only Download (614kB)

Abstract

Student graduation time is important to the college education. Not a few students who graduated not on time at the Informatics Engineering Course at the University of Mercu Buana. This is due to several internal and external factors. One of the internal factors is that students have a low cumulative achievement index and an external factor that is low parental income. However, this study will utilize data from the students ' internal factors in the form of Semester Achievement Index, Cumulative Achievement Index and Semester credit unit. Thus, this study used the algorithms of Naive Bayes and C 4.5 for the timely classification of graduate students. Data used as much as 1525 academic data students of Informatics engineering year 2012 to 2018. Results obtained, can be used by the program Informatics Engineering to make it easier to determine the pass on time and not timely from the beginning of the lecture. Such algorithms can be implemented well on model testing. This is evident in the C 4.5 algorithm gets the highest accuracy of 93.05%. While the Naive Bayes algorithm only get 91.54% accuracy. Key words: naive bayes, C4.5, data mining Waktu lulus mahasiswa menjadi hal penting pada pendidikan perguruan tinggi. Tidak sedikit mahasiswa yang lulus tidak tepat waktu pada program studi Teknik Informatika di Universitas Mercu Buana. Hal ini disebabkan beberapa faktor internal maupun eksternal. Salah satu faktor internal yaitu mahasiswa mendapat Indeks Prestasi Kumulatif yang rendah dan faktor eksternal yaitu pendapatan orang tua yang rendah. Namun, pada penelitian ini akan memanfaatkan data dari faktor internal mahasiswa berupa Indeks Prestasi Semester, Indeks Prestasi Kumulatif dan Satuan Kredit Semester. Dengan demikian, penelitian ini menggunakan algoritma Naive Bayes dan C4.5 untuk klasifikasi ketepatan waktu lulus mahasiswa. Data yang dimanfaatkan sebanyak 1525 data akademik mahasiswa Teknik Informatika tahun angkatan 2012 sampai 2018. Hasil yang didapat, dapat digunakan oleh program studi Teknik Informatika untuk mempermudah menentukan lulus tepat waktu dan tidak tepat waktu sejak awal perkuliahan. Algoritma tersebut dapat diterapkan dengan baik pada pengujian model. Hal ini terbukti pada algoritma C4.5 mendapat akurasi tertinggi yaitu 93,05%. Sedangkan algoritma Naive Bayes hanya mendapatkan akurasi 91,54%. Kata kunci: naive bayes, C4.5, data mining

Actions (login required)

View Item