IMPLEMENTASI BIG DATA ANALYSIS MENGGUNAKAN ALGORITMA C45 UNTUK SISTEM PREDIKSI AKADEMIK MAHASISWA


Willy Pradika , 5302414087 (2019) IMPLEMENTASI BIG DATA ANALYSIS MENGGUNAKAN ALGORITMA C45 UNTUK SISTEM PREDIKSI AKADEMIK MAHASISWA. Under Graduates thesis, UNNES.

[thumbnail of IMPLEMENTASI BIG DATA ANALYSIS MENGGUNAKAN ALGORITMA C45 UNTUK SISTEM PREDIKSI AKADEMIK MAHASISWA]
Preview
PDF (IMPLEMENTASI BIG DATA ANALYSIS MENGGUNAKAN ALGORITMA C45 UNTUK SISTEM PREDIKSI AKADEMIK MAHASISWA) - Published Version
Download (443kB) | Preview

Abstract

Pada kurun waktu antara tahun 1991 hingga 2012, terdapat 801 mahasiswa tahun angkatan 1991 hingga 2005 yang tercatat drop out (DO) atau putus kuliah maupun lulus tidak tepat waktu karena berbagai sebab. Berdasarkan data tersebut bahwa rata-rata kurang lebih 38 mahasiswa tercatat DO atau putus kuliah tiap tahunnya. Mahasiswa DO maupun yang lulus tidak tepat waktu belum dapat diprediksi beberapa waktu sebelumnya. Tujuan dari penelitian ini yaitu membuat model pohon keputusan prediksi akademik menggunakan algoritma C4.5 pada data yang sudah tersimpan di UNNES dan mendapatkan tingkat akurasi hasil prediksi akademik dari model pohon keputusan yang telah terbentuk menggunakan algoritma C4.5. Proses implementasi pembuatan sistem menggunakan tahapan-tahapan pada model waterfall menggunakan variasi V-Model guna melakukan tahapan uji coba terhadap langkah-langkah yang telah dilalui sebelumnya. Hal ini akan efektif untuk memperkecil kesalahan-kesalahan yang terjadi. Dari hasil implementasi dan pengujian yang telah dilakukan, diperoleh kesimpulan sebagai berikut. Pada model pohon keputusan yang terbentuk, melalui metode K-Fold Cross Validation pada proses uji akurasi prediksi maka model pohon keputusan dengan nilai akurasi tertinggi yaitu 800 dataset terakhir dan sisanya digunakan sebagai data training serta mendapatkan atribut berpengaruh pertama yaitu IP Semester 2. Sistem prediksi akademik telah terbentuk dan teruji melalui uji akurasi prediksi berdasarkan model pohon keputusan dari perhitungan algoritma C4.5 dengan tingkat akurasi sebesar 72%.

Item Type: Thesis (Under Graduates)
Uncontrolled Keywords: Algoritma C4.5, Waterfall, Decision Tree
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Fakultas: Fakultas Teknik > Pendidikan Teknik Informatika dan Komputer, S1
Depositing User: budi Budi santoso perpustakaan
Date Deposited: 24 Jun 2020 12:11
Last Modified: 24 Jun 2020 12:11
URI: http://lib.unnes.ac.id/id/eprint/36962

Actions (login required)

View Item View Item