Soares, Jacob (2017) PENERAPAN DATA MINING UNTUK PREDIKSI LAMA STUDI MAHASISWA DENGAN MENGGUNAKAN METODE NAÏVE BAYES DAN ADABOOST. S2 thesis, UAJY.
Text (HALAMAN JUDUL)
MTF022610.pdf Download (938kB) |
|
Text (BAB I)
MTF022611.pdf Download (84kB) |
|
Text (BAB II)
MTF022612.pdf Download (139kB) |
|
Text (BAB III)
MTF022613.pdf Restricted to Registered users only Download (186kB) |
|
Text (BAB IV)
MTF022614.pdf Restricted to Registered users only Download (262kB) |
|
Text (BAB V)
MTF022615.pdf Restricted to Registered users only Download (795kB) |
|
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 |