Devina, Diva (2019) Aplikasi Data Mining Menggunakan Algoritme C4.5 Untuk Memprediksi Ketepatan Lulus Mahasiswa Berdasarkan Faktor Demografi. Sarjana thesis, Universitas Brawijaya.
Abstract
Mahasiswa yang lulus tidak tepat waktu merupakan permasalahan yang masih sering ditemukan di lingkungan akademik perguruan tinggi. Hal tersebut juga ditemui di prodi Sistem Informasi Universitas Brawijaya, dimana pada tahun 2015- 2018 rata-rata mahasiswa yang diterima setiap tahun sebanyak 241 mahasiswa, sedangkan rata-rata mahasiswa lulus sekitar 130 mahasiswa. Berdasarkan informasi tersebut mahasiswa yang lulus dan mahasiswa yang diterima tidak seimbang. Sehingga dapat dikatakan bahwa masih banyak mahasiswa yang berstatus aktif dan menyelesaikan masa studinya lebih dari 8 semester atau lulus tidak tepat waktu, hal tersebut dapat merugikan dari sisi mahasiswa maupun program studi. Oleh karena itu dibutuhkan suatu langkah untuk membantu permasalahan ketepatan lulus mahasiswa, yaitu dengan melakukan prediksi menggunakan data mining. Dengan memanfaatkan salah satu metode data mining yaitu Decision Tree C4.5, yang nantinya akan menghasilkan rule dalam bentuk pohon keputusan. Data yang digunakan dalam proses data mining ini hanya menggunakan data demografi (non-akademik) dari mahasiswa untuk mengetahui apakah demografi memiliki pengaruh terhadap ketepatan lulus mahasiswa, setelah itu data diolah menggunakan Weka CLI. Hasil evaluasi algoritme yang dilakukan dengan menggunakan confussion matrix didapatkan tingkat akurasi sebesar 80.4714%. Informasi mengenai prediksi ketepatan lulus mahasiswa ditampilkan dalam bentuk dashboard untuk memudahkan Kaprodi SI sebagai penggunanya. Pengujian sistem menggunakan pengujian black-box dan System Usability Scale (SUS), dengan hasil pengujian black-box valid sesuai dengan kebutuhan, sedangkan pengujian SUS mendapatkan hasil 67.5.
English Abstract
Students who graduate not on time are a problem that is still often found in the college academic environment. This was also found in the UB Information Systems study program, wherein 2015-2018 there were 241 students accepted each year on average, while the average student graduated around 130 students. Based on the information, students who graduated and students received were not balanced. So that it can be said that there are still many students who are active and have completed their study period of more than 8 semesters or graduated not on time, this can be detrimental to both students and study programs. Therefore we need a step to help the problem of student graduation accuracy, namely by making predictions using data mining. By utilizing one of the data mining methods namely Decision Tree C4.5, which will later produce a rule in the form of a decision tree. The data used in the data mining process only uses demographic (nonacademic) data from students to find out whether the demographics influence the graduation accuracy of students, after that the data is processed using Weka CLI. The results of the algorithm evaluation carried out using the confussion matrix obtained an accuracy rate of 80.4714%. Information about predictions of student graduation accuracy is displayed in the form of a dashboard to make it easier for Kaprodi SI as user. System tested using black-box testing and System Usability Scale (SUS), with the results of valid black-box testing as needed, while the SUS test gets results 67.5.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/440/051905823 |
| Uncontrolled Keywords: | prediksi, data mining, algoritme C4.5, demografi, system usability scale, prediction, data mining, C4.5 algorithms, demography, system usability scale |
| 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 06:13 |
| Last Modified: | 25 Oct 2021 02:18 |
| URI: | http://repository.ub.ac.id/id/eprint/171917 |
Preview |
Text
Diva Devina - Skripsi (2).pdf Download (5MB) | Preview |
Actions (login required)
 |
View Item |