Analisis Penentuan Metode Data Mining untuk Prediksi Kelulusan Mahasiswa Sebagai Penunjang Angka Efisiensi Edukasi

Hananto, Valentinus Roby ORCID: https://orcid.org/0000-0003-1988-3168 (2017) Analisis Penentuan Metode Data Mining untuk Prediksi Kelulusan Mahasiswa Sebagai Penunjang Angka Efisiensi Edukasi. Jurnal Ilmiah SCROLL : Jendela Teknologi Informasi, 5 (1). pp. 1-11. ISSN 2338-8625

[img] Image
valen01.jpg

Download (410kB)
[img] Image
valen02.jpg

Download (93kB)
[img] Image
valen03.jpg

Download (101kB)
[img] Text
Panalisis_Penentuan_Metode_Data_Mining_Utk_Prediksi_Kelulusan_Mahasiswa.pdf

Download (166kB)

Search this title on : |

Abstract

Salah satu tantangan yang dihadapi perguruan tinggi adalah untuk memperbaiki kualitas program pendidikannya. Karena itu, penentuan strategi dan perencanaan untuk perbaikan program pendidikan merupakan suatu hal yang krusial. Angka Efisiensi Edukasi (AEE) merupakan salah satu parameter kualitas program pendidikan. Lamanya masa studi mahasiswa menjadi faktor penentu dari AEE. Apabila mahasiswa memiliki masa studi yang melebihi masa studi normal, salah satunya karena durasi pengerjaan Tugas Akhir yang terlalu panjang, maka nilai AEE dapat menurun. Nilai AEE yang rendah dapat berpengaruh dalam penilaian akreditasi perguruan tinggi ataupun program studi. Oleh karena itu, diperlukan suatu tindakan untuk mengantisipasi masalah ini. Tujuan dari penelitian ini adalah begaimana melakukan prediksi kelulusan mahasiswa sebagai penunjang pengambilan keputusan dalam upaya meningkatkan AEE menggunakan metode data mining. Data yang akan digunakan adalah data historis akademik dari mahasiswa tingkat akhir. Proses pengembangan data mining pada penelitian ini menggunakan metodologi CRISP-DM. Beberapa metode algoritma data mining yang akan dibandingan dalam penelitian ini adalah Naïve Bayes, Multi Layer Perceptron, SMO, J48, dan REPTree. Dari penelitian ini, dapat disimpulkan metode data mining dengan akurasi yang terbaik untuk memprediksi kelulusan mahasiswa.

Export Record



Statistic

IRStats Detail StatisticView more statistics

Item Type: Article
Dewey Decimal Classification: 000 - Computer science, information & general works > 000 Computer science, knowledge & systems > 000 Computer science, information & general works
Divisions: Perpustakaan > Journals
Depositing User: Agung P. W.
Date Deposited: 31 May 2017 09:26
Last Modified: 07 Feb 2022 08:49
URI: http://repository.dinamika.ac.id/id/eprint/2122

Actions (login required)

View Item View Item