PENERAPAN DATA MINING UNTUK PREDIKSI LAMA STUDI MAHASISWA DENGAN MENGGUNAKAN METODE NAÏVE BAYES DAN ADABOOST

Soares, Jacob (2017) PENERAPAN DATA MINING UNTUK PREDIKSI LAMA STUDI MAHASISWA DENGAN MENGGUNAKAN METODE NAÏVE BAYES DAN ADABOOST. S2 thesis, UAJY.

[img] Text (HALAMAN JUDUL)
MTF022610.pdf

Download (938kB)
[img] Text (BAB I)
MTF022611.pdf

Download (84kB)
[img] Text (BAB II)
MTF022612.pdf

Download (139kB)
[img] Text (BAB III)
MTF022613.pdf
Restricted to Registered users only

Download (186kB)
[img] Text (BAB IV)
MTF022614.pdf
Restricted to Registered users only

Download (262kB)
[img] Text (BAB V)
MTF022615.pdf
Restricted to Registered users only

Download (795kB)
[img] Text (BAB VI)
MTF022616.pdf

Download (84kB)

Abstract

Teknik Prediksi merupakan hal yang patut untuk di perhitungkan dalam mewaspadai setiap kondisi yang terjadi. Prediksi lama masa studi mahasiswa merupakan langkah penting dalam mempertimbangkan proses pengambilan keputusan sebagai peringatan dini (early warning) terhadap mahasiswa yang berpotensi menyalahi ketentuan lama studinya. Dili Institute of Technology merupakan salah satu perguruan tinggi swasta di Timor-Leste yang memiliki jumlah mahasiswa yang sangat banyak yang masih terkendala dalam mengontrol lama studi setiap mahasiswanya. Tujuan penelitian ini adalah memanfaatkan teknik data mining dalam memprediksi lama studi mahasiswa pada perguruan tinggi Dili Institute of Technology. Proses klasifikasi terhadap 334 record dataset mahasiswa menggunakan metode naïve bayes dengan nilai akurasi sebesar 97, 60%, dan tingkat eror klasifikasi sebesar 2, 40%. Sedangkan hasil gabungan Naïve Bayes dengan Adaboost nilai akurasi meningkat menjadi 99, 71% dan terjadi penurunan terhadap eror klasifikasi dengan nilai 0, 29%. Maka dapat disimpulkan bahwa metode Adaboost dapat maningkatkan nilai akurasi yang tinggi dan mengurangi tingkat error klasifikasinya. Dari hasil prediksi yang dilakukan oleh peneliti maka, pihak DIT dapat mengetahui jumlah mahasiswa tertentu yang berdasarkan hasil prediksinya dinyatakan berpotensi lulus dengan melampaui ketentuan lama studi yang ditentukan dengan mengambil tindakan preventif secara dini.

Item Type: Thesis (S2)
Uncontrolled Keywords: Data Mining, Prediksi, Naïve Bayes, Adaboost.
Subjects: Magister Teknik Informatika > Soft Computing
Divisions: Pasca Sarjana > Magister Teknik Informatika
Depositing User: Editor UAJY
Date Deposited: 29 Jan 2018 11:47
Last Modified: 29 Jan 2018 11:47
URI: http://e-journal.uajy.ac.id/id/eprint/13613

Actions (login required)

View Item View Item