Implementasi Data Mining untuk Prediksi Kelulusan Tepat Waktu Mahasiswa STIMIK ESQ Menggunakan Decision Tree C4.5

Yatimah, MIta Nurul (2021) Implementasi Data Mining untuk Prediksi Kelulusan Tepat Waktu Mahasiswa STIMIK ESQ Menggunakan Decision Tree C4.5. Seminar Nasional Informatika dan Aplikasinya (SNIA). ISSN 2686-6595

[img] Text
20. Implementasi Data Mining untuk Prediksi Kelulusan Tepat Waktu Mahasiswa STIMIK ESQ Menggunakan Decision Tree C4.5.pdf
Restricted to Registered users only

Download (314kB)

Abstract

Kelulusan mahasiswa merupakan salah satu faktor yang mempengaruhi penilaian akreditasi perguruan tinggi. Semakin banyak mahasiswa lulus tepat waktu (empat tahun) maka akan semakin baik pula penilaian akreditasi perguruan tinggi tersebut. Oleh karena itu penelitian ini bertujuan untuk melakukan analisis faktor yang mempengaruhi kelulusan tepat waktu dan prediksi kelulusan tepat waktu secara dini. Penelitian ini dilakukan di STIMIK ESQ yang merupakan salah satu perguruan tinggi yang ada di Jakarta Selatan. Hasil penelitian ini mampu memberikan manfaat bagi para dosen untuk menganalisis faktor yang mempengaruhi kelulusan tepat waktu dan memprediksi kelulusan mahasiswa secara objektif dan terotomatisasi. Sehingga hasil analisis dan prediksi dapat dijadikan sebagai salah satu acuan untuk memberikan penanganan khusus terhadap kelulusan mahasiswa secara dini. Metode yang digunakan pada penelitan ini yaitu Decision Tree C4.5 dengan parameter jenis kelamin, prodi, usia, IPS1, SKS1, IPK1, IPS2, SKS2, IPK2, IPS3, SKS3, IPK3, IPS4, SKS4, IPK4, dan masa studi. Penelitian ini menghasilkan akurasi sebesar 90% 21 rules.

Item Type: Article
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Fahru Abdhul Aziz
Date Deposited: 24 Jul 2023 09:59
Last Modified: 24 Jul 2023 09:59
URI: http://repository.esqbs.ac.id/id/eprint/348

Actions (login required)

View Item View Item