Penerapan metode decision tree C.45 dan naive Bayes dalam klasifikasi predikat Indeks Prestasi Kumulatif (IPK) berdasarkan aktivitas mahasiswa / Syam Ja'faros Assodiiq
| Main Author: | Assodiiq, Syam Ja'faros |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2019
|
| Online Access: |
http://repository.um.ac.id/48084/ |
Daftar Isi:
- vABSTRAKAssodiiqSyamJafaros.2019.PenerapanMetodeDecisionTreeC4.5danNaveBayesDalamKlasifikasiPredikatIndeksPrestasiKumulatif(IPK)BerdasarkanAktivitasMahasiswa.Skripsi.JurusanTeknikElektroFakultasTeknikUniversitasNegeriMalang.Pembimbing(I)Dr.Eng.AnikNurHandayaniS.T.M.T.(II)Drs.WahyuSaktiG.I.M.Kom.KatakunciAktivitasMahasiswaIpkSpearmanRankCorrelatonDecisionTreeC4.5NaveBayes.MengingatbahwamahasiswamerupakanunsurpentingdalampencapaiantujuanPerguruanTinggisehinggaharusmendapatkanperhatianterutamadenganmengetahuidanmenganalisisfaktor-faktoryangmempengaruhihasilprestasibelajarmahasiswadiantaranyafaktoryangmendukungmeningkatnyapredikatprestasisertafaktoryangmelawansecaralangsungmaupuntidaklangsungataumenghambat.Adabeberapapenelitiantentangfaktor-faktorbersertacontohaktivitasyangmempengaruhiIndeksPrestasiKumulatif(IPK).Daripenelitianpenelitiantersebutdapatdisimpulkanbahwafaktor-faktoryangmempengaruhiIPKberasaldarifaktorinternalyaituaktivitasfisikdanpsikologissertafaktoreksternalyaituaktivitasdilingkungansosialdannon-sosial.Padapenelitianiniakandicariaktivitas-aktivitasyangmemilikihubungankuatdenganpredikatipkmenggunakanSpearmanRankCorrelation.SetelahmengelompokkanaktivitasapasajayangmendukungmelawanataumenghambatmakaakandilakukanprosesklasifikasiberdasarkanaktivitasyangsudahdidapatkanmenggunakanmetodeDecisionTreeC4.5danNaveBayes.ImplementasimetodeDecisionTreeC4.5danNaveBayesmenggunakanRapidMiner.BerdasarkanpenelitianyangtelahdilakukanhasilklasifikasimenunjukkanbahwametodeNaveBayeslebihbaikdenganakurasisebesar8400%nilaiprecisionsebesar8310%dannilairecallsebesar8201%.SedangkanpadametodeDecisionTreeC4.5nilaiakurasisebesar8233%nilaiprecisionsebesar8164%dannilairecallsebesar8081%.