Implementasi Data Mining untuk Prediksi Mahasiswa Pengambil Mata Kuliah dengan Algoritme Naive Bayes

Syahputra, Indra Kurniawan (2018) Implementasi Data Mining untuk Prediksi Mahasiswa Pengambil Mata Kuliah dengan Algoritme Naive Bayes. Sarjana thesis, Universitas Brawijaya.

Abstract

Bagian akademik Fakultas Ilmu Komputer Universitas Brawijaya setiap semester memiliki tugas dalam melakukan penjadwalan dan penentuan mata kuliah yang harus dibuka untuk mahasiswa. Akan tetapi proses tersebut memiliki permasalahan seperti contohnya kelas yang dibuka terlalu banyak dibanding jumlah siswa yang berminat atau kelas yang dibuka sedikit sementara jumlah peminat untuk mata kuliah tersebut sangat tinggi. Sehingga dibutuhkan suatu sistem yang dapat memprediksi apakah suatu mahasiswa akan mengambil mata kuliah atau tidak. Salah satu solusinya menggunakan pendekatan klasifikasi data mining. Berdasarkan atribut dari data mahasiswa yaitu Nilai, IP, IP Kumulatif, SKS, SKS Kumulatif dan Semester akan dilakukan proses klasifikasi sehingga menghasilkan prediksi apakah mahasiswa tersebut mengambil mata kuliah tertentu atau tidak. Hasil klasifikasi dibagi menjadi 2 kelas yaitu kelas ‘Ya’ untuk mahasiswa yang diprediksi mengambil dan ‘Tidak’ untuk mahasiswa yang diprediksi tidak mengambil. Proses klasifikasi dilakukan dengan menggunakan algoritme Naive Bayes Classification (NBC). Dataset yang digunakan untuk training adalah data dari tahun 2014 semester ganjil sampai tahun 2015 semester genap. Sementara dataset yang digunakan untuk testing adalah data dari tahun 2016 semester ganjil. Dari hasil prediksi menggunakan 2 mata kuliah sebagai sampel, diperoleh hasil nilai Accuracy untuk mata kuliah Manajemen Hubungan Pelanggan adalah sebesar 85,88% sementara untuk mata kuliah Jaringan Nirkabel adalah sebesar 44,92%. Luaran dari penelitian ini adalah dashboard berbasis web yang menampilkan grafik perbandingan nilai actual dan prediksi dari setiap mata kuliah pada tahun dan semester tertentu

English Abstract

Faculty of Computer Science of Brawijaya University’s academic division has tasks for scheduling and determining courses every semester offered for students. However, the scheduling process has some problems such as, many of classes are offered while the students who are interests in that course are very low. Otherwise, only a few classes are opened while plenty of students are interests to the course. Therefore, a system is needed that can predict students will take a course or not. One of the solutions is using data mining classification approach. Based on student’s attributes values, grade points, grade point average, semester credit units, cumulative semester credit units, and the semester is used to classify whether the student will take certain courses or not. Result of the classification divided into two classes that are ‘Yes’ class for student who take the class and ‘No’ class for student who put off the class. Classification process is performed using Naive Bayes Classification (NBC) algorithm. The process using data from the odd semester in 2014 to even semester in 2015 for training. Also, it is using dataset from odd semester in 2016 for testing. Prediction result using two courses as sample, the result of accuracy score for Customer Relationship Management course is 85,88%, while for Wireless Network course is 44,92%. The output of this research is a web-based dashboard that displays a comparison of actual dan predict values of each course in certain year and semester.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2018/476/051808081
Uncontrolled Keywords:	data mining, naive bayes, klasifikasi, akademik, mahasiswa data mining, naive bayes, classification, academic, student
Subjects:	000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning > 006.312 Data mining
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	20 Mar 2019 08:35
Last Modified:	21 Oct 2021 01:52
URI:	http://repository.ub.ac.id/id/eprint/13819

Text Indra Kurniawan Syahputra.pdf Download (0B)

Actions (login required)

View Item