GRADIENT BOOSTING MACHINE PADA KLASIFIKASI KELULUSAN MAHASISWA
| Main Authors: | Atlantic, Virginnia, Sulistianingsih, Evy, Perdana, Hendra |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
FMIPA Universitas Tanjungpura
, 2024
|
| Online Access: |
http://jurnal.untan.ac.id/index.php/jbmstr/article/view/76955 http://jurnal.untan.ac.id/index.php/jbmstr/article/view/76955/75676601169 |
Daftar Isi:
- Prodi Statistika UNTAN perlu mengetahui klasifikasi kelulusan mahasiswa, maka dari itu perlu dibuat suatu model yang dapat memprediksi ketepatan waktu lulus mahasiswa. Hal ini dilakukan dengan membuat model prediksi klasifikasi kelulusan mahasiswa dengan menggunakan pendekatan Pohon Keputusan. Metode ensemble dikembangkan untuk menghasilkan model prediksi yang lebih akurat dari metode Pohon Keputusan yaitu CART. Data yang digunakan adalah data kelulusan mahasiswa Prodi Statistika UNTAN Periode 1 Tahun Ajaran 2017/2018 hingga Periode II Tahun Ajaran 2022/2023, dengan populasi 181 dan sampel 128 data. Setelah menggunakan nilai akurasi dalam mengevaluasi model prediksi yang diperoleh dari model GBM. Kemudian dibandingkan nilai akurasi dari model GBM dan model CART. Berdasarkan penelitian, didapat nilai akurasi model GBM yaitu 71,09% yang lebih besar dibanding model CART yaitu 67,97%. Dengan demikian disimpulkan bahwa GBM mampu meningkatkan prediksi model dalam klasifikasi kelulusan mahasiswa Prodi Statistika UNTAN. Kata Kunci : Kelulusan Mahasiswa, Gradient Boosting Machine, Nilai Akurasi