IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI LAMA MASA STUDI DAN PREDIKAT KELULUSAN MAHASISWA (STUDI KASUS : TEKNIK INFORMATIKA STIKI MALANG)

Windy, . (2018) IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI LAMA MASA STUDI DAN PREDIKAT KELULUSAN MAHASISWA (STUDI KASUS : TEKNIK INFORMATIKA STIKI MALANG). Sarjana thesis, Sekolah Tinggi Informatika dan Komputer Indonesia (STIKI) Malang.

	Text ABSTRAK.docx Download (13kB)
	Text BAB I.docx Download (38kB)
	Text BAB II.docx Download (50kB)
	Text BAB III.docx Download (1MB)
	Text BAB IV.docx Restricted to Repository staff only Download (845kB)
	Text BAB V.docx Download (14kB)

Abstract

Kata Kunci: Prediksi, Naïve Bayes, Masa Studi, Correlation Feature Selection, 10 Fold Cross Validation Teknik Informatika merupakan salah satu program studi di STIKI Malang yang memiliki data mahasiswa cukup besar baik data mahasiswa aktif maupun mahasiswa yang sudah lulus. Setiap tahun mahasiswa yang lulus tepat waktu jauh lebih sedikit dibanding mahasiswa baru, yang mana akan berpengaruh terhadap kualitas mahasiswa itu sendiri dan juga berpengaruh akreditasi Stiki malang. Oleh karena itu, tujuan penelitian ini adalah membuat suatu aplikasi untuk melakukan prediksi terhadap lama studi dan predikat kelulusan mahasiswa dengan menerapkan supervised learning. Prediksi terhadap masa studi berupa tepat waktu, terlambat, atau tidak lulus serta prediksi untuk predikat berupa summa cumlaude, cumlaude, sangat memuaskan atau memuaskan. Metode aplikasi yang digunakan dalam supervised learning untuk prediksi adalah algoritma Naïve Bayes. Hal ini digunakan untuk menganalisis data, terutama dalam proses pengenalan pola, memprediksi masa studi dan predikat kelulusan. Sebelum memasuki tahap perhitungan algoritma Naive Bayes, Correlation Feature Selection digunakan untuk memilih fitur-fitur relevan yang berfungsi untuk meningkatkan akurasi dari sistem. Hasil penelitian berdasarkan pengujian 10 Fold Cross Validation menunjukkan bahwa aplikasi dapat digunakan untuk membantu program studi Teknik Informatika dalam rangka menemukan informasi strategis terkait dengan lama studi dan predikat kelulusan mahasiswa dengan akurasi 77,19% dan 87,65%.

Item Type:	Thesis (Sarjana)
Subjects:	Theory of computation > Theory and algorithms for application domains
Divisions:	Engineering Sciences
Depositing User:	Unnamed user with username editor_perpustakaan
Date Deposited:	21 Mar 2019 08:54
Last Modified:	13 Aug 2021 13:42
URI:	http://repository.stiki.ac.id/id/eprint/227

Actions (login required)

View Item