PERBANDINGAN METODE KLASIFIKASI SERTA ANALISIS FAKTOR AKADEMIS POLA KELULUSAN MAHASISWA DI PERGURUAN TINGGI

PUTRI, RANI APRILLYA (2021) PERBANDINGAN METODE KLASIFIKASI SERTA ANALISIS FAKTOR AKADEMIS POLA KELULUSAN MAHASISWA DI PERGURUAN TINGGI. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (COVER) COVER - RANI APRILLYA PUTRI.pdf Download (931kB) | Preview
Preview	Text (ABSTRAK) ABSTRAK-ABSTRACT - RANI APRILLYA PUTRI.pdf Download (59kB) | Preview
	Text (BAB I) BAB I - RANI APRILLYA PUTRI.pdf Restricted to Registered users only Download (94kB)
	Text (BAB II) BAB II - RANI APRILLYA PUTRI.pdf Restricted to Registered users only Download (282kB)
	Text (BAB III) BAB III - RANI APRILLYA PUTRI.pdf Restricted to Registered users only Download (392kB)
	Text (BAB IV) BAB IV - RANI APRILLYA PUTRI.pdf Restricted to Registered users only Download (168kB)
	Text (BAB V) BAB V - RANI APRILLYA PUTRI.pdf Restricted to Registered users only Download (1MB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA - RANI APRILLYA PUTRI (1).pdf Restricted to Registered users only Download (85kB)
	Text (LAMPIRAN) LAMPIRAN - RANI APRILLYA PUTRI.pdf Restricted to Registered users only Download (58kB)

Abstract

Perkembangan Teknologi informasi di berbagai bidang diikuti dengan berkembangnya data. Pangkalan data yang menyimpan data pengelolaan pelaksanaan pendidikan tinggi dari seluruh perguruan tinggi yang terintegrasi secara nasional yaitu PDDIKTI (Pangkalan Data Pendidikan Tinggi). Data PDDIKTI dapat digunakan untuk mendapatkan informasi yang bermanfaat. Banyaknya pemanfaatan data menyebabkan adanya cabang ilmu baru yang dapat menangani masalah informasi serta pola yang penting atau menarik dari sejumlah data yang besar, yaitu data mining. Dalam penelitian ini akan menerapkan data mining untuk mengetahui klasifikasi pola akademik kelulusan mahasiswa yang menjadi pengaruh besar dalam proses akreditasi. Pada penelitian ini penulis akan membandingkan metode klasifikasi Machine Learning dan Ensemble Learning, mengetahui faktor yang paling berpengaruh signifikan terhadap kelulusan serta analisis data pola akademik mahasiswa. Adapun metode algoritma yang digunakan untuk pengujian adalah Decision Tree, Ensemble Learning Bagging (Random Forest) dan Ensemble Learning Boosting (SGB). Dan hasil proses pengujian klasifikasi pola data kelulusan mahasiswa dengan hasil akurasi terbaik adalah menggunakan metode algoritma Ensemble Learning Bagging atau Random Forest dengan melakukan cross validation dan hyperparameter tuning (GSCV) dengan akurasi 96.1%. Penggunaan cross validation dan hyperparameter tuning terbukti dapat mempengaruhi dan mengoptimalkan akurasi learning. Faktor yang paling mempengaruhi pola kelulusan mahasiswa adalah jumlah SKS, Total Cuti, IPK, IPS, Angkatan, Program Kelas dan Jurusan. Dan untuk data yang digunakan dalam penelitian ini menunjukan persentase kelulusan mahasiswa yang kurang baik karena persentase mahasiswa yang lulus tidak tepat waktu perbandingannya di atas 50% pada 3 data angkatan 2016-2018. Kata kunci: Machine Learning, Ensemble Learning, Klasifikasi, PDDIKTI.

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41518010150
Uncontrolled Keywords:	Machine Learning, Ensemble Learning, Klasifikasi, PDDIKTI.
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 003 Systems/Sistem-sistem 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 003 Systems/Sistem-sistem > 003.5 Computer Modeling and Simulation/Model dan Simulasi Komputer 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika > 004.1 General Works on Specific Types of Computers/Karya Umum tentang Tipe-tipe Khusus Komputer
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	CALVIN PRASETYO
Date Deposited:	01 Dec 2023 07:46
Last Modified:	01 Dec 2023 07:46
URI:	http://repository.mercubuana.ac.id/id/eprint/84498

Actions (login required)

View Item