Septian Nur Fajar Pratama, 5302416030 (2022) IMPLEMENTASI TEKNIK DATA MINING PADA SISTEM PREDIKSI LAMA STUDI MAHASISWA UNIVERSITAS NEGERI SEMARANG. Under Graduates thesis, Unnes.

PDF - Published Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Universitas Negeri Semarang menyelenggarakan empat kali upacara wisuda dengan kuota 1.500 wisudawan pada setiap periodenya (wisuda.unnes.ac.id). Sehingga total wisudawan Universitas Negeri Semarang pada setiap tahunnya berjumlah 6.000 orang. Sumber data yang digunakan merupakan data dari mahasiswa yang kemudian dimanfaatkan untuk menghasilkan pola informasi mengenai tingkat kelulusan mahasiswa melalui teknik data mining. Namun penelitian implementasi teknik data mining untuk memprediksi lama studi mahasiswa cenderung dilakukan menggunakan software RapidMiner, sehingga untuk pengimplementasian langsung dalam sistem berbasis website sangatlah jarang. Tujuan penelitian ini adalah mengimplementasikan teknik data mining dalam sistem berbasis website menggunakan algoritma decision tree C4.5 dan naïve bayes untuk mengetahui performa dari masing-masing algoritma berupa akurasi, presisi, dan recall. Dataset yang digunakan dalam penelitian ini adalah data alumni mahasiswa angkatan 2014-2017 Universitas Negeri Semarang yang berjumlah 13.125 record data. Desain penelitian ini menggunakan model waterfall yang dikembangkan menggunakan Framework Flask sebagai kerangka tampilan website dengan bahasa pemrograman Python. Sedangkan desain kerangka kerja sistem memiliki empat tahapan, yaitu tahap persiapan data, tahap pengolahan data, proses data mining, dan tahap implementasi sistem. Dataset akan dibagi menjadi dua yaitu untuk analisis data mining sejumlah 8.202 record data (2014-2015) dan untuk implementasi prediksi kelulusan sejumlah 4.923 record data (2016-2017). Hasil analisis data mining pada sistem menunjukkan bahwa pemodelan algoritma decision tree C4.5 memiliki akurasi yang lebih tinggi dibandingkan pemodelan algoritma naïve bayes. Algoritma decision tree C4.5 memperoleh hasil akurasi tertinggi sebesar 82,46%, presisi 76,36%, dan recall 85,87%. Sedangkan untuk algoritma naïve bayes memperoleh hasil akurasi sebesar 74,14%, presisi 72,94%, dan recall 96,25%. Sedangkan hasil implementasi prediksi pada sistem dapat memprediksi dan berjalan dengan baik serta siap untuk digunakan secara langsung

Actions (login required)

View Item