Zulhan Abdi Arfandi Yanto, 4611416018 (2023) OPTIMASI ALGORITMA CATBOOST MENGGUNAKAN CHI-SQUARE UNTUK KLASIFIKASI KINERJA AKADEMIK MAHASISWA. Under Graduates thesis, Universitas Negeri Semarang.

PDF (Skripsi) Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Perguruan tinggi saat ini memiliki data elektronik dengan jumlah yang sangat besar yang bersumber dari hasil digitalisasi proses akademik melalui Learning Management System. Big data tersebut merepresentasikan sekumpulan data terstruktur hingga tidak terstruktur dalam jumlah besar yang memiliki peluang untuk dilakukan mining atau penambangan guna mendapatkan informasi yang berharga. Setiap mahasiswa memiliki kapasitas atau kemampuan yang berbeda-beda, apabila hal ini dapat diprediksi atau diklasifikasikan dengan baik, maka hasilnya sangat berpengaruh positif bagi perkembangan ilmu pengetahuan di banyak bidang. Kinerja atau prestasi akademik merupakan bukti pencapaian atas pembelajaran yang dilakukan oleh mahasiswa sebagai tolak ukur berkembang atau tidaknya suatu keilmuan dalam proses belajar mengajar. Pada penelitian ini dilakukan klasifikasi kinerja akademik mahasiswa menggunakan algoritma CatBoost yang dioptimasi pada bagian feature selection menggunakan algoritma Chi�Square. Dataset yang digunakan adalah Students’ Academic Performance Dataset yang terdiri dari 17 fitur. Proses feature selection yang dilakukan oleh algoritma Chi-Square mampu mereduksi sejumlah fitur tersebut menjadi 12 fitur terbaik. Peningkatan nilai akurasi yang dihasilkan dari penggunaan algoritma Chi-Square adalah sebesar 3,12% dari algoritma CatBoost tanpa Chi-Square dengan nilai akurasi 83,33% menjadi 86,45%. Penggunaan algoritma Chi-Square terbukti dapat meningkatkan akurasi klasifikasi algoritma CatBoost dalam melakukan klasifikasi terhadap kinerja akademik mahasiswa.

Actions (login required)

View Item