Implementasi Educational Data Mining Menggunakan Neural Network untuk Memprediksi Waktu Kelulusan Mahasiswa (Studi Kasus: Universitas Multimedia Nusantara)

Kiki, Bill (2024) Implementasi Educational Data Mining Menggunakan Neural Network untuk Memprediksi Waktu Kelulusan Mahasiswa (Studi Kasus: Universitas Multimedia Nusantara). Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (619kB)
	PDF BAB_I.pdf Download (224kB)
	PDF BAB_II.pdf Download (445kB)
	PDF BAB_III.pdf Download (310kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (204kB)
	PDF DAFTAR_PUSTAKA.pdf Download (287kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

Dalam beberapa tahun terakhir, pertumbuhan jumlah lembaga pendidikan tinggi terus meningkat. Hal ini tidak terlepas dari persaingan antar perguruan tinggi. Salah satu ukuran kualitas pendidikan tinggi adalah tingkat kelulusan mahasiswa, yang mencakup masa studi sebagai salah satu komponennya. Bagi lembaga pendidikan, mahasiswa yang lulus tidak tepat waktu tentu akan mempengaruhi citra dan akreditasi lembaga pendidikan tersebut. Maka dari itu, penelitian ini dilakukan dengan tujuan untuk membuat model prediksi waktu kelulusan mahasiswa alternatif solusi untuk meningkatkan kesadaran mahasiswa serta sebagai salah satu acuan bagi dosen pembimbing menyesuaikan pemberian bimbingan akademik kepada para mahasiswa bimbingan. Penelitian ini menggunakan tiga algoritma klasifikasi yaitu Naïve Bayes, Support Vector Machine dan Neural Network yang dioptimasi menggunakan algoritma Particle Swarm Optimization. Pengoptimalan dilakukan karena parameter default dari ketiga algoritm klasifikasi cenderung rentan terhadap serangan adversial. Framework CRISP-DM digunakan sebagai alur penelitian dengan 6 tahapan, yaitu pemahaman bisnis, pemahaman data, persiapan data, pemodelan data, evaluasi, dan penerapan. Metrik evaluasi yang digunakan adalah akurasi, presisi, sensitivitas, spesifisitas, dan f1- score untuk menilai algoritma terbaik. Hasil penelitian menunjukkan bahwa performa model terbaik diraih oleh algoritma Neural Network setelah optimasi yang mendapat peningkatan akurasi sebesar 8%, yaitu dari 78% menjadi 86%. Neural Network menjadi algoritma terbaik dengan nilai akurasi, presisi, sensitivitas, spesifisitas, dan f1-score secara berturut-turut sebesar 0.86, 0.86, 0.86, 0.98, dan 0.86. Hasil model akan diimplementasikan untuk melakukan prediksi terhadap data mahasiswa berstatus aktif dan ditampilkan dalam bentuk website.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Naïve Bayes, Neural Network, Particle Swarm Optimization, Prediksi Waktu Kelulusan Mahasiswa, Support Vector Machine
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	10 Nov 2024 11:10
Last Modified:	10 Nov 2024 11:10
URI:	https://kc.umn.ac.id/id/eprint/34090

Actions (login required)

View Item