PENERAPAN DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA UNAMA JAMBI MENGGUNAKAN METODE ALGORITMA C4.5 DAN NAÃVE BAYES
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika Bangsa
Author
Nur Annisa, Tiko
Subject
Analisis Sistem Informasi
Datestamp
2024-11-14 04:49:11
Abstract :
Setiap tahunnya jumlah data mahasiswa pada Universitas Dinamika Bangsa Jambi selalu bertambah dan tidak ada tindak lanjut manfaat dari data-data tersebut. Oleh karena itu, penulis melakukan analisis data mining pada data mahasiswa tersebut agar dapat dimanfaatkan oleh pembimbing akademik untuk mengetahui status kelulusan mahasiswa maupun sebagai peringatan agar mahasiswa bisa lulus dengan tepat waktu sehingga dapat menekan angka keterlambatan kelulusan. Penulis menggunakan data mahasiswa angkatan 2018 dan 2019 sebanyak 500 data serta telah dilakukan proses cleaning data. Dalam melakukan analisis penulis menggunakan alat bantu Tools WEKA. Dalam hal ini penulis menggunakan 4 option test, yaitu Use Training Set, 5 Fold Cross-Validation, 10 Folds Cross-Validation, dan 70% Percentage Split. Metode Algoritma C4.5 menghasilkan nilai akurasi tertinggi yaitu sebesar 86,86%. Sedangkan metode Algoritma Naïve Bayes menghasilkan nilai akurasi tertinggi yaitu sebesar 85,14%. Atribut Nilai D+ merupakan atribut yang paling berpengaruh berdasarkan seleksi atribut menggunakan classifier attribute evaluation (ClassifierAtributeEval).
Setiap tahunnya jumlah data mahasiswa pada Universitas Dinamika Bangsa Jambi selalu bertambah dan tidak ada tindak lanjut manfaat dari data-data tersebut. Oleh karena itu, penulis melakukan analisis data mining pada data mahasiswa tersebut agar dapat dimanfaatkan oleh pembimbing akademik untuk mengetahui status kelulusan mahasiswa maupun sebagai peringatan agar mahasiswa bisa lulus dengan tepat waktu sehingga dapat menekan angka keterlambatan kelulusan. Penulis menggunakan data mahasiswa angkatan 2018 dan 2019 sebanyak 500 data serta telah dilakukan proses cleaning data. Dalam melakukan analisis penulis menggunakan alat bantu Tools WEKA. Dalam hal ini penulis menggunakan 4 option test, yaitu Use Training Set, 5 Fold Cross-Validation, 10 Folds Cross-Validation, dan 70% Percentage Split. Metode Algoritma C4.5 menghasilkan nilai akurasi tertinggi yaitu sebesar 86,86%. Sedangkan metode Algoritma Naïve Bayes menghasilkan nilai akurasi tertinggi yaitu sebesar 85,14%. Atribut Nilai D+ merupakan atribut yang paling berpengaruh berdasarkan seleksi atribut menggunakan classifier attribute evaluation (ClassifierAtributeEval).
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
