David Leandro Wibisono, 4611418051 (2023) REDIKSI PREDIKAT KELULUSAN MAHASISWA MENGGUNAKAN HYBRID 2D CONVOLUTIONAL NEURAL NETWORK DAN SYNTHETIC MINORITY OVER-SAMPLING TECHNIQUE WITH EDITED NEAREST NEIGHBOR. Under Graduates thesis, Universitas Negeri Semarang.

PDF (Skripsi) Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Predikat kelulusan dapat mempengaruhi proses mahasiswa dalam mencari pekerjaan dan mempengaruhi akreditasi suatu perguruan tinggi. Dengan demikian, predikat kelulusan menjadi penting adanya dan diperhatikan oleh mahasiswa, orang tua mahasiswa, dan perguruan tingi. Salah satu hal yang dapat dilakukan untuk memaksimalkan predikat kelulusan mahasiswa adalah dengan melakukan analisis mengenai variabel-variabel yang berpengaruh terhadap predikat kelulusan tersebut. Variabel yang digunakan pada penelitian ini adalah latar belakang keluarga dan riwayat akademik mahasiswa. Sedangkan metode yang digunakan adalah metode deep learning dengan algoritma Convolutional Neural Network untuk proses klasifikasinya. Dikombinasikan dengan algoritma Synthetic Minority Over�sampling Technique dan Edited Nearest Neighbor untuk menyeimbangkan dataset. Hasil dari penelitian ini menunjukkan empat variabel tertinggi yang mempengaruhi predikat kelulusan, yaitu jenis kelamin laki-laki maupun perempuan, mahasiswa yang berkuliah di FBS, mahasiswa yang lahir sebagai anak pertama, dan ada atau tidaknya beasiswa yang dimiliki oleh mahasiswa. Berdasarkan dataset dan metode yang digunakan untuk pelatihan, hasil akurasi dari penelitian ini adalah sebesar 96,53%.

Actions (login required)

View Item