Prediksi Kelulusan Mahasiswa Berdasarkan Kinerja Akademik Menggunakan Pendekatan Data Mining Pada Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Brawijaya

Pambudi, Ryan Dwi (2018) Prediksi Kelulusan Mahasiswa Berdasarkan Kinerja Akademik Menggunakan Pendekatan Data Mining Pada Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Brawijaya. Sarjana thesis, Universitas Brawijaya.

Abstract

Lulus tidak tepat waktu merupakan permasalahan yang sering ditemui pada lingkungan akademik perguruan tinggi. Hal tersebut juga dialami pada program studi Sistem Informasi Universitas Brawijaya dimana jumlah mahasiswa lulus setiap tahunnya berbeda jauh dengan jumlah mahasiswa yang masuk. Ketidak seimbangan tersebut tentu akan menimbulkan kerugian dari pihak akademisi maupun mahasiswa. Rata – rata mahasiswa masuk pada program studi Sistem Informasi setiap tahun kurang lebih 213 mahasiswa, dimana rata – rata kelulusan mahasiswanya hanya berjumlah kurang lebih 99 mahasiswa. Sehingga berdasarkan data tersebut diperlukan sistem yang mampu membantu pengambil keputusan untuk memprediksi lebih awal mahasiswa diindikasikan tidak lulus tepat waktu supaya bisa diberikan tindakan lebih lanjut. Pada penelitian ini, model task data mining yang digunakan untuk memprediksi kelulusan yaitu klasifikasi. Dengan memanfaatkan salah satu metode klasifikasi yaitu Naive Bayes akan dihasilkan pola – pola berdasarkan probabilitas pada tiap atribut yang dapat digunakan untuk memprediksi kelulusan. Data mahasiswa yang terkumpul berjumlah 1354 data yang kemudian dilakukan data cleaning, data selection, dan data transformation untuk kemudian dilakukan proses pembentukan pola menggunakan algoritme Naive Bayes dengan tool Weka. Implementasi sistem memanfaatkan framework Laravel dan Weka simple cli. Hasil evaluasi dan validasi algoritme Naive Bayes menggunakan confussion matrix menghasilkan tingkat akurasi sebesar 69.7452%. Sedangkan nilai AUC dari kurva ROC menunjukan nilai yang diperoleh dalam klasifikasi sebesar 0.6646. Selain itu, Luaran yang dihasilkan dari sistem berupa visualisasi dashboard dengan chart yang memuat rekap kelulusan, informasi prediksi kelulusan, informasi akurasi dari algoritme, dan form yang dapat digunakan oleh Kaprodi SI untuk melakukan prediksi kelulusan dengan memasukan kinerja akademik mahasiswa.

English Abstract

Late graduation is a problem that often encountered in university’s academic environment. This is also experienced in University of Brawijaya Information System study program which is between the number of students that graduate differs greatly with the number of student who accepted annually. This imbalancy will be certainly causing disadvantage to the academicians and students. The average students accepted in the Information Systems study program is 213 students, where the average students that graduate is only less than 99 students. So based on this data, we need a system that is able to help decision making on predicting early which students are indicated not going to graduate on time so that further action can be given. In this research, data mining tasks used for predicting graduation is classification. By applying one of the classification methods which is Naive Bayes that will produce patterns based on probability on each attribute that can be used to predict graduation. data of students that collected amounts to 1354 data will be applied to data cleaning, and data selection, then the data transformation will be carried out to pattern formation process using the Naive Bayes algorithm with the Weka tool. The system implementation uses the Laravel and Weka simple framework cli. The results of evaluation and validation of the Naive Bayes algorithm using confusion matrix that produces accuracy rate up to 69.7452%. While the AUC value of the ROC curve shows the value obtained in the classification of 0.6646. Futhermore, outputs that produced by the system are in the form of visualization of the dashboard with charts that include graduation recap, graduation prediction information, accuracy information from algorithms, and forms that can be used by the Head of Information Systems to predict graduation by including student academic performance.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2018/967/051900758
Uncontrolled Keywords:	prediksi, data mining, klasifikasi, Naive Bayes, Confussion Matrix, Area Under Curve-prediction, data mining, classification, Naive Bayes, Confussion Matrix, Area Under Curve
Subjects:	300 Social sciences > 373 Secondary education > 373.1 Organization and activities in secondary education > 373.12 School administration; administration of student academic activities
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	Sugeng Moelyono
Date Deposited:	23 Oct 2019 06:27
Last Modified:	18 May 2022 04:44
URI:	http://repository.ub.ac.id/id/eprint/166666

Text Ryan Dwi Pambudi.pdf Download (6MB)

Actions (login required)

View Item