Agustia, Riska (2019) Aplikasi Data Mining Menggunakan Algoritme Naive Bayes untuk Memprediksi Ketepatan Waktu Lulus Mahasiswa. Sarjana thesis, Universitas Brawijaya.
Abstract
Tingkat kelulusan untuk setiap mahasiswa berbeda-beda, yaitu tepat waktu dan tidak tepat waktu. Yang menjadi kendala untuk fakultas atau program studi adalah banyaknya mahasiswa yang lulus tidak tepat waktu. Berdasarkan data pada tahun 2018 yang ada di web resmi Fakultas Ilmu Komputer Universitas Brawijaya, rata-rata penerimaan mahasiswa Sistem Informasi setiap tahun kurang lebih 227 mahasiswa, sedangkan rata-rata mahasiswa lulus setiap tahun sekitar 134 mahasiswa. Sehingga berdasarkan data tersebut diperlukan sebuah aplikasi yang mampu membantu pengambil keputusan untuk memprediksi lebih awal mahasiswa yang diindikasikan tidak lulus tepat waktu supaya bisa diberikan tindakan lebih lanjut. Klasifikasi dalam data mining merupakan salah satu metode yang dapat digunakan untuk memprediksi ketepatan waktu lulus mahasiswa. Dengan memanfaatkan salah satu metode klasifikasi yaitu Naive Bayes akan dihasilkan pola – pola berdasarkan probabilitas pada tiap atribut yang dapat digunakan untuk memprediksi ketepatan waktu lulus mahasiswa. Dalam implementasi sistem akan memanfaatkan framework Laravel dan Weka simple CLI. Output yang dihasilkan dari sistem berupa visualisasi dashboard dengan chart yang memuat informasi kelulusan, form untuk membuat model, informasi dari model yang pernah dibuat, serta form yang dapat digunakan oleh Kaprodi SI untuk melakukan prediksi ketepatan waktu lulus mahasiswa. Hasil evaluasi dan validasi algoritme Naive Bayes menggunakan confusion matrix menghasilkan nilai akurasi sebesar 88.6076% dan nilai AUC dari kurva ROC sebesar 0.9558. Dan untuk hasil pengujian sistem menggunakan black-box testing menunjukkan bahwa sistem valid sesuai dengan kebutuhan yang sudah didefinisikan. Sedangkan untuk pengujian usability dengan System Usability Scale menghasilkan nilai 67.5 yang tergolong kedalam adjective rating Good.
English Abstract
The graduation rate for each student is different, on time and not on time. The problem for the faculty or course is the number of students who graduate not on time. Based on data in 2018 on the official website of the Faculty of Computer Science, University of Brawijaya, the average admission Information System students every year more or less 227 students, while the average student graduated every year about 134 students. So based on these data, it takes an application that is able to help decision-makers to predict early students who are indicated not to pass on time so that further action can be given. Classification in data mining is one of the methods that can be used to predict the timeliness of graduating students. By utilizing one of the classification methods, Naive Bayes will be produced patterns based on the probability of each attribute that can be used to predict the timeliness of student graduation. The system implementation will utilize the Laravel framework and Weka simple CLI. The output generated from the system is the visualization of the dashboard with a chart containing graduation information, a form for creating models, information from the model that has been made, and a form that can be used by the Head of SI Department to predict the timeliness of graduating students. The results of the evaluation and validation of the Naive Bayes algorithm using a confusion matrix resulted in an accuracy value of 88.6076% and an AUC value of the ROC curve of 0.9558. And for the results of testing the system using black-box testing shows that the system is valid according to defined requirements. While for usability testing with the System Usability Scale produces a value of 67.5 which is classified as an adjective rating Good.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/399/051905717 |
| Uncontrolled Keywords: | prediction, data mining, classification, Naive Bayes, dashboard, Confusion matrix, Area Under Curve, SUS |
| Subjects: | 000 Computer science, information and general works > 003 Systems > 003.2 Forecasting and forecasts |
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi |
| Depositing User: | Endang Susworini |
| Date Deposited: | 30 Jul 2020 06:07 |
| Last Modified: | 30 Jul 2020 06:07 |
| URI: | http://repository.ub.ac.id/id/eprint/171829 |
Actions (login required)
 |
View Item |