Penerapan Data Mining dalam Menentukan Masa Studi Mahasiswa Sistem Informasi dan Teknik Informatika di Institut Bisnis dan Informatika Kwik Kian Gie Menggunakan Naive Bayes, Decision Tree dan Random Forest / Vincent / 42190435 / Pembimbing : Budi Wasito

Vincent, Vincent (2023) Penerapan Data Mining dalam Menentukan Masa Studi Mahasiswa Sistem Informasi dan Teknik Informatika di Institut Bisnis dan Informatika Kwik Kian Gie Menggunakan Naive Bayes, Decision Tree dan Random Forest / Vincent / 42190435 / Pembimbing : Budi Wasito. Institut Bisnis dan Informatika Kwik Kian Gie, Jakarta.

	Text HALAMAN JUDUL.pdf - Published Version Download (979kB)
	Text Bab I PENDAHULUAN.pdf - Published Version Download (414kB)
	Text BAB II KAJIAN PUSTAKA.pdf - Published Version Download (617kB)
	Text BAB III METODE PENELITIAN.pdf - Published Version Download (630kB)
	Text BAB IV HASIL ANALISIS DAN PEMBAHASAN (CLOSED).pdf - Published Version Restricted to Repository staff only Download (3MB)
	Text BAB V SIMPULAN DAN SARAN.pdf - Published Version Download (345kB)
	Text DAFTAR PUSTAKA.pdf - Published Version Download (410kB)
	Text LAMPIRAN.pdf - Published Version Download (598kB)
	Text PERNYATAAN ORIGINALITAS.pdf - Published Version Restricted to Repository staff only Download (709kB)
	Text RESUME.pdf - Published Version Download (1MB)

Abstract

Penelitian ini dilakukan karena pendidikan merupakan hal penting bagi para mahasiswa untuk mendapatkan ilmu pengetahuan agar kelak digunakan di dunia pekerjaan. Institut Bisnis dan Informatika Kwik Kian Gie memiliki 6 jurusan saat ini yaitu Ilmu Administrasi Bisnis, Manajemen, Akuntansi, Ilmu Komunikasi, Sistem Informasi dan Teknik Informatika yang memiliki masa studi minimal 3.5 tahun atau 4 tahun, untuk program studi Sistem Informasi dan Teknik Informatika perlu mengambil minimal 151 Satuan Kredit Semester (SKS) sesuai dengan buku pedoman akademik. Tujuan dalam penelitian ini adalah memprediksi masa studi mahasiswa program studi Sistem Informasi dan Teknik Informatika dengan menggunakan data mining. Data Mining merupakan sebuah proses untuk mencari informasi yang berguna dalam penyimpanan yang besar berdasarkan metodologi CRISP-DM (Cross Industry Standard Process For Data Mining). Sumber data dalam penelitian ini adalah data kelulusan dari tahun 2009-2018 dan data mahasiswa aktif dari tahun 2019-2021 pada program studi sistem informasi dan teknik informatika. Data ini diambil dari BAAK (Biro Administrasi Akademik Dan Kemahasiswaan) Institut Bisnis dan Informatika Kwik Kian Gie. Penelitian ini membandingkan model algoritma klasifikasi yaitu Naïve Bayes, Decision Tree dan Random Forest dengan menggunakan Machine Learning berbasis Orange dan Bahasa pemrograman Python. Hasil komparasi dilihat pada pengukuran Confusion Matrix dan Kurva ROC. Hasil seluruh proses data mining dan pengukuran prediksi disajikan dalam bentuk Graphic User Interface sebagai media antarmuka. Dari hasil penelitian komparasi model algoritma diperoleh hasil bahwa dari 281 data train menggunakan Orange yaitu Naïve Bayes memiliki nilai classification accuracy 87%, Decision Tree memiliki nilai classification accuracy 87%, serta Random Forest memiliki nilai classification accuracy 88%, Sedangkan menggunakan Python yaitu Naïve Bayes memiliki nilai classification accuracy 84%, Decision Tree memiliki nilai classification accuracy 87% dan Random Forest memiliki nilai classification accuracy 83%.

Actions (login required)

View Item