IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI KELULUSAN MAHASISWA TEPAT WAKTU PADA STMIK BINA NUSANTARA JAYA LUBUKLINGGAU

Endang, Etriyanti and Dedi, Syamsuar and Yesi Novaria, Kunang (2019) IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI KELULUSAN MAHASISWA TEPAT WAKTU PADA STMIK BINA NUSANTARA JAYA LUBUKLINGGAU. Masters thesis, Universitas Bina Darma.

	Text Bab 0.pdf Download (618kB)
	Text Bab 1.pdf Download (138kB)
	Text Dapus.pdf Download (130kB)

Abstract

Lama studi mahasiswa adalah rentang waktu bagi mahasiswa untuk menyelesaikan studinya. Lama studi mencerminkan tingkat pencapaian mahasiswa dalam studinya. Kemudian, rata-rata lama studi akan berpengaruh pada kualitas program studi karena diadopsi oleh Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT) sebagai salah satu kriteria untuk menentukan tingkat akreditasi. Untuk alasan ini setiap lembaga pendidikan perlu memberikan perhatian serius terhadap masalah lama studi mahasiswa. Tujuan dari penelitian ini adalah untuk memprediksi status kelulusan mahasiswa tepat waktu. Ketidakmampuan mahasiswa untuk menyelesaikan studi tepat waktu dialami oleh sebagian besar Lembaga Pendidikan Tinggi. STMIK Bina Nusantara Jaya Lubuklinggau adalah salah satu perguruan tinggi yang mengalami hal tersebut. Dalam banyak kasus para mahasiswa menyelesaikan studi mereka lebih lama dari rentang waktu yang diharapkan. Akibatnya hal tersebut dapat menghambat mahasiswa baru untuk bergabung dengan lembaga karena kapasitas mahasiswa yang terbatas. Penelitian ini menggunakan teknik data mining dalam memprediksi status kelulusan mahasiswa tepat waktu. Pertama, preprocessing digunakan untuk mendapatkan dataset yang berkualitas. Kedua, data diproses untuk mendapatkan serangkaian prediksi. Pada langkah ini, dua algoritma data mining diterapkan - Naive Bayes Classifier dan Algoritma C4.5. Ketiga, hasilnya kemudian divalidasi menggunakan teknik K-Fold Cross Validation. Terakhir, Coffusion Matrix digunakan untuk memvalidasi nilai akurasi hasil prediksi. Hasil penelitian menunjukkan bahwa metode Naive Bayes Classifier dapat digunakan untuk memprediksi status kelulusan siswa dengan tingkat akurasi 74,60% sedangkan tingkat akurasi metode Algoritma C4.5 hanya 73,93%. Metode Naive Bayes Classifier memiliki nilai akurasi yang lebih besar dibandingkan dengan nilai akurasi metode algoritma C4.5. Maka, metode Naive Bayes Classifier direkomendasikan untuk digunakan dalam menyelesaikan masalah prediksi kelulusan mahasiswa pada STMIK Bina Nusantara Jaya Lubuklinggau.

Actions (login required)

View Item