APLIKASI PREDIKSI KATEGORI TOEFL MAHASISWA
TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH GRESIK MENGGUNAKAN NAIVE BAYES
Total View This Week0
Total View This Week0
Institusion
Universitas Muhammadiyah Gresik
Author
AF’IDAH, FIDA NADIYAH
Subject
Informatics Engineering
Datestamp
2019-07-15 11:21:31
Abstract :
Universitas Muhammadiyah Gresik (UMG) sebagai salah satu perguruan tinggi swasta yang menerapkan Test of English as a Foreign Language (TOEFL) untuk mengukur kemampuan mahasiswanya dalam berbahasa Inggris. Language Center (LC) adalah lembaga bahasa Inggris UMG Gresik yang menyelenggarakan TOEFL. LC telah menetapkan skor minimal lulus TOEFL untuk, jika skor belum sesuai standart akan diadakan tes ulang sampai memenuhi skor minimal lulus TOEFL. Aplikasi prediksi kategori menjadi gambaran awal kategori TOEFL mahasiswa yang belum melakukan TOEFL dengan perbandingan data mahasiswa yang telah melakukan TOEFL. Hasil prediksi diharapkan memberikan dorongan kepada mahasiswa Teknik Informatika agar lebih mempersiapkan diri dengan belajar lebih giat sebagai persiapan dalam menghadapi TOEFL dan dapat lulus TOEFL tanpa mengulang. Penelitian ini menerapkan data mining teknik klasifikasi dengan menggunakan metode Naive Bayes menggunakan 7 fitur untuk menentukan kelas prediksi kategori TOEFL yaitu tinggi atau rendah. Data yang digunakan pada pengujian sistem berasal dari data nilai D1 mahasiswa Teknik Informatika Universitas Muhammadiyah Gresik angkatan tahun 2008-2011 kelas sebanyak 60 data, akan dibagi menjadi 50 data latih dan 10 data uji. Nilai akurasi tertinggi adalah 86,7% yang didapatkan pada pengujian ketiga dengan jumlah data latih lebih banyak daripada data uji.
Universitas Muhammadiyah Gresik (UMG) sebagai salah satu perguruan tinggi swasta yang menerapkan Test of English as a Foreign Language (TOEFL) untuk mengukur kemampuan mahasiswanya dalam berbahasa Inggris. Language Center (LC) adalah lembaga bahasa Inggris UMG Gresik yang menyelenggarakan TOEFL. LC telah menetapkan skor minimal lulus TOEFL untuk, jika skor belum sesuai standart akan diadakan tes ulang sampai memenuhi skor minimal lulus TOEFL. Aplikasi prediksi kategori menjadi gambaran awal kategori TOEFL mahasiswa yang belum melakukan TOEFL dengan perbandingan data mahasiswa yang telah melakukan TOEFL. Hasil prediksi diharapkan memberikan dorongan kepada mahasiswa Teknik Informatika agar lebih mempersiapkan diri dengan belajar lebih giat sebagai persiapan dalam menghadapi TOEFL dan dapat lulus TOEFL tanpa mengulang. Penelitian ini menerapkan data mining teknik klasifikasi dengan menggunakan metode Naive Bayes menggunakan 7 fitur untuk menentukan kelas prediksi kategori TOEFL yaitu tinggi atau rendah. Data yang digunakan pada pengujian sistem berasal dari data nilai D1 mahasiswa Teknik Informatika Universitas Muhammadiyah Gresik angkatan tahun 2008-2011 kelas sebanyak 60 data, akan dibagi menjadi 50 data latih dan 10 data uji. Nilai akurasi tertinggi adalah 86,7% yang didapatkan pada pengujian ketiga dengan jumlah data latih lebih banyak daripada data uji.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
