Agustini, Mardiani Putri (2019) Aplikasi Data Mining Untuk Memprediksi Mahasiswa Berpotensi Drop Out Menggunakan Algoritme K-Nearest Neighbor (K-Nn). Sarjana thesis, Universitas Brawijaya.
Abstract
Drop out atau putus studi merupakan permasalahan yang berkaitan dengan keberhasilan studi seorang mahasiswa. Hal tersebut juga dialami pada program studi Sistem Informasi Universitas Brawijaya. Hasil wawancara yang telah dilakukan dengan Ketua Program Studi Sistem Informasi bahwa telah terjadi pemberhentian studi atau drop out setiap tahunnya. Adanya mahasiswa yang drop out dapat menyebabkan turunnya kualitas dan mutu perguruan tinggi. Oleh karena itu, sebagai penanganan terhadap masalah tersebut diperlukan sistem yang mampu membantu pengambilan keputusan untuk memprediksi mahasiswa yang berpotensi drop out sehingga dapat dilakukan pencegahan dan tindakan lebih lanjut. Klasifikasi dengan data mining merupakan salah satu metode yang dapat digunakan untuk memprediksi potensi drop out. Salah satu algoritme klasifikasi yang dapat dimanfaatkan yaitu K-Nearest Neighbor untuk melakukan prediksi berdasarkan atribut akademik dan demografi mahasiswa. Data mahasiswa yang didapatkan sebanyak 1347 data, kemudian dilakukan pengolahan data yang terdiri dari seleksi data, pembersihan data, dan transformasi data. Proses pembentukan pola menggunakan algoritme K-Nearest Neighbor dengan tool Weka kemudian dilakukan setelah proses pengolahan data. Implementasi sistem memanfaatkan framework Laravel dan Weka Simple CLI. Hasil dari proses menggunakan Weka didapatkan nilai kedekatan paling optimal adalah k=5. Hasil evaluasi dan validasi algoritme K-Nearest Neighbor menggunakan confusion matrix menghasilkan akurasi sebesar 99.2337%. Hasil nilai AUC dari kurva ROC menunjukkan nilai yang diperoleh dalam klasifikasi sebesar 0.8918. Usability testing yang dihasilkan dengan menggunakan kuesioner SUS sebesar 67.5. Luaran yang dihasilkan dari sistem berupa visualisasi dashboard dalam bentuk chart yang menampilkan informasi drop out mahasiswa, form yang dapat digunakan oleh Kaprodi SI untuk membuat model yang akan digunakan untuk melakukan prediksi, form yang dapat digunakan oleh Kaprodi SI untuk melakukan prediksi drop out dengan memasukkan data mahasiswa, serta tabel yang berisi histori model dengan akurasinya.
English Abstract
Drop out is a problem related to the success of student learning. This problem has also happened in Information System study program at Brawijaya University. The results of interviews were conducted with the Head of the Information System Study Program that there was a drop out every year. The existence of students who drop out can cause a decrease in the quality of higher education. Therefore, as handling of these problems needs a system that capable to help make decisions to predict on students who have the potential to drop out so prevention and further action can be done . classification with data mining is one method that can be used to predict potential drop out. One of the classification algorithms that can be used is K-Nearest Neighbor to make a prediction based on academic attributes and demographics of the student. Student data that obtained were 1347 data, then data processing was done consist of data selection, data cleaning, and data transformation. The process of pattern formation using the K-Nearest Neighbor algorithm with the Weka tool is then carried out after data processing. System implementation uses the Laravel framework and Weka Simple CLI. The results of the process using Weka obtained the most optimal closeness value is k = 5. The results of evaluation and validation of the K-Nearest Neighbor algorithm using confusion matrix resulted in an accuracy of 99.2337%. The AUC value result of ROC curve shows a value obtained in the classification of 0.8918. The level of usability testing generated by utilizing SUS is 67.5. The output from this system are dashboard visualization into a chart that displays student drop out information, a form that can be used by the Head of the Information System Study Program to create a model to make predictions, a form that can be used by the Head of the Information System Study Program to predict dropouts by entering data students, and a table that contains the history of the model with its accuracy.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/462/051905845 |
| Uncontrolled Keywords: | prediksi, data mining, klasifikasi, K-Nearest Neighbor, confusion matrix, Area Under Curve, : prediction, data mining, classification, K-Nearest Neighbor, confussion matrix, Area Under Curve |
| Subjects: | 000 Computer science, information and general works > 003 Systems > 003.2 Forecasting and forecasts |
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi |
| Depositing User: | Nur Cholis |
| Date Deposited: | 30 Jul 2020 06:03 |
| Last Modified: | 25 Oct 2021 02:43 |
| URI: | http://repository.ub.ac.id/id/eprint/171807 |
Preview |
Text
SKRIPSI - MARDIANI (2).pdf Download (5MB) | Preview |
Actions (login required)
 |
View Item |