Search engine for discovering works of Art, research articles, and books related to Art and Culture
ShareThis
Javascript must be enabled to continue!

Model Prediksi Awal Masa Studi Mahasiswa Menggunakan Algoritma Decision Tree C4.5

View through CrossRef
Masa studi mahasiswa merupakan tolak ukur penilaian keberhasilan Program Studi, karena masa studi merupakan salah satu indikator keberhasilan proses belajar mahasiswa. Permasalahan mahasiswa lulus tidak tepat waktu dan mahasiswa drop out (DO) masih menjadi kendala Program Studi saat ini. Tujuan penelitian ini adalah membangun sebuah model untuk prediksi awal masa studi mahasiswa, dimana saat ini implementasinya dilakukan pada Program Studi Informatika Universitas Tanjungpura. Keterlambatan mahasiswa dalam menempuh masa studi disebabkan karena kesulitan data pengetahuan yang terbatas tentang prediksi masa studi. Prediksi adalah suatu kegiatan untuk memperkirakan kejadian yang akan terjadi dimasa depan dengan menggunakan data yang sudah ada. Penggunakan model untuk melakukan prediksi masa studi bisa digunakan untuk menangani masalah kerumitan dan ketepatan hasil prediksi, dengan menggunakan metode pendekatan yang cocok untuk prediksi salah satunya adalah algoritma Decision Tree C4.5. Pengujian sistem yang dilakukan menggunakan Cofusion Matrix, menunjukan bahwa model prediksi yang dibangun menggunakan Decision Tree C4.5 menghasilkan rule yang baik digunakan untuk prediksi masa studi mahasiswa. Karena hasil perhitungan nilai akurasi terhadap prediksi yang dihasilkan dengan kenyataan sebenarnya menunjukan nilai precision, recall dan accuracy rata-rata diatas 50% sedangkan untuk nilai error rate berada dibawah 20% .
Title: Model Prediksi Awal Masa Studi Mahasiswa Menggunakan Algoritma Decision Tree C4.5
Description:
Masa studi mahasiswa merupakan tolak ukur penilaian keberhasilan Program Studi, karena masa studi merupakan salah satu indikator keberhasilan proses belajar mahasiswa.
Permasalahan mahasiswa lulus tidak tepat waktu dan mahasiswa drop out (DO) masih menjadi kendala Program Studi saat ini.
Tujuan penelitian ini adalah membangun sebuah model untuk prediksi awal masa studi mahasiswa, dimana saat ini implementasinya dilakukan pada Program Studi Informatika Universitas Tanjungpura.
Keterlambatan mahasiswa dalam menempuh masa studi disebabkan karena kesulitan data pengetahuan yang terbatas tentang prediksi masa studi.
Prediksi adalah suatu kegiatan untuk memperkirakan kejadian yang akan terjadi dimasa depan dengan menggunakan data yang sudah ada.
Penggunakan model untuk melakukan prediksi masa studi bisa digunakan untuk menangani masalah kerumitan dan ketepatan hasil prediksi, dengan menggunakan metode pendekatan yang cocok untuk prediksi salah satunya adalah algoritma Decision Tree C4.
5.
Pengujian sistem yang dilakukan menggunakan Cofusion Matrix, menunjukan bahwa model prediksi yang dibangun menggunakan Decision Tree C4.
5 menghasilkan rule yang baik digunakan untuk prediksi masa studi mahasiswa.
Karena hasil perhitungan nilai akurasi terhadap prediksi yang dihasilkan dengan kenyataan sebenarnya menunjukan nilai precision, recall dan accuracy rata-rata diatas 50% sedangkan untuk nilai error rate berada dibawah 20% .

Related Results

Perbandingan Kinerja Algoritma Naïve Bayes Dan C.45 Dalam Klasifikasi Spam Email
Perbandingan Kinerja Algoritma Naïve Bayes Dan C.45 Dalam Klasifikasi Spam Email
Antispam dengan algoritma tertentu yang dapat memisahkan antara spam-mail dengan non spam mail. Perbandingan kinerja antara algoritma naïve bayes, dan decision tree yang memakai al...
ARTIKEL ALGORITMA PEMROGRAMAN SERI MINTA UBA HASIBUAN
ARTIKEL ALGORITMA PEMROGRAMAN SERI MINTA UBA HASIBUAN
Algoritma merupakan akar dari sebuah sistem yang terbentuk dalam dunia pemrograman.Melalui serangkaian cara yang masuk akal dan teratur, sebuah algoritma dapat menyelesaikan suatu ...
Meningkatkan Akurasi Prediksi Harga Bitcoin dengan Algoritma GRU-LSTM Hibrida
Meningkatkan Akurasi Prediksi Harga Bitcoin dengan Algoritma GRU-LSTM Hibrida
Beberapa tahun terakhir , harga Bitcoin mengalami fluktuasi yang sangat signifikan, sehingga menimbulkan ketidakpastian bagi investor, pedagang, dan pemegang saham. Penelitian ini ...
PERBANDINGAN AKURASI ALGORITMA NAÏVE BAYES DAN DECISION TREE DALAM PREDIKSI PEMENANG PERTANDINGAN PES 2021
PERBANDINGAN AKURASI ALGORITMA NAÏVE BAYES DAN DECISION TREE DALAM PREDIKSI PEMENANG PERTANDINGAN PES 2021
E-sports telah berkembang menjadi industri kompetitif yang memerlukan analisis data untuk meningkatkan strategi permainan dan prediksi hasil pertandingan. Salah satu tantangan utam...
KECEMASAN SAAT PANDEMI COVID 19: LITERATUR REVIEW Hardiyati, Efri Widianti, Taty Hernawaty Departemen Keperawatan Jiwa Poltekkes Kemenkes Mamuju Sulbar, Universitas Pad...
PREDIKSI KELULUSAN MAHASISWA DENGAN MENGGUNAKAN ALGORITMA DECISION TREE
PREDIKSI KELULUSAN MAHASISWA DENGAN MENGGUNAKAN ALGORITMA DECISION TREE
Penelitian ini dilatarbelakangi oleh kebutuhan akan pengelolaan data akademik yang semakin kompleks di Universitas Teknologi Digital yang seiring dengan meningkatnya volume data ak...
Pengaruh Pandemi COVID-19 Terhadap Nilai Biologi Mahasiswa Semester Satu Fakultas Kedokteran Universitas Hang Tuah
Pengaruh Pandemi COVID-19 Terhadap Nilai Biologi Mahasiswa Semester Satu Fakultas Kedokteran Universitas Hang Tuah
Pandemi COVID-19 juga membawa dampak yang cukup besar pada bidang pendidikan. Kebijakan mengharuskan semua kegiatan yang dilakukan di luar rumah, termasuk kegiatan belajar-mengajar...
Penerapan Algoritma Naïve Bayes Untuk Prediksi Waktu Kelulusan Mahasiswa
Penerapan Algoritma Naïve Bayes Untuk Prediksi Waktu Kelulusan Mahasiswa
Administrator universitas memerlukan perkiraan kelulusan dalam menentukan langkah-langkah untuk mencegah keterlambatan kelulusan mahasiswa dari masa awal masa studi. Lamanya waktu ...

Back to Top