Prediction of college student using K-Means Algorithm Data Mining
| Main Author: | Sagala, Ray Mondow |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | ind |
| Terbitan: |
Fakultas Teknologi Informasi - Universitas Advent Indonesia
, 2021
|
| Subjects: | |
| Online Access: |
https://jurnal.unai.edu/index.php/teika/article/view/2610 https://jurnal.unai.edu/index.php/teika/article/view/2610/1982 |
Daftar Isi:
- Graduation of a course is very important, if there are students who do not pass a course, especially subjects that have an attachment to another course, must take back the course. Graduation in a course cannot be known before the final exam and final grade calculation are calculated. For this reason, it is necessary to predict the graduation of courses to help anticipate what makes students fail in a course.Through the literature study stage, interviews and looking at academic performance data obtained, the assignment values, unit test values, mid test scores, and attendance obtained from performance data and internal and external factors of students such as class activity, status of residence, language lesson, and the form of the final project given. Data processing is performed using K-means, then calculate the chi square atribute selection and calculate the accuracy of the prediction using a confusion matrix.The results of the study showed that the prediction results using K = 3 of 118 data processed there were 13 students who did not pass, 36 students graduated with sufficient grades, and 69 students graduated with good grades. And what influences the graduation prediction using the chi square atribute is a mid value with ranked atributes of 49, an assignment value of 46, and attendance of 42. Language material using English influences students who graduate with sufficient grades. While the final project in the form of a project or a theory test does not greatly affect the predictions of student graduation in a course. The use of confusion matrix to the prediction results shows an accuracy rate of 93% with precision and recall of 96% and 92%.
- Kelulusan sebuah mata kuliah sangatlah penting, apabila terdapat mahasiswa yang tidak lulus di sebuah mata kuliah terutama mata kuliah yang memiliki keterikatan dengan mata kuliah lain, harus mengambil ulang mata kuliah tersebut. Kelulusan di sebuah mata kuliah tidak dapat diketahui sebelum dilakukannya ujian final dan perhitungan nilai akhir sebuah mata kuliah,. Untuk itu perlu dilakukannya prediksi terhadap kelulusan mata kuliah agar membantu mengantisipasi tidak lulusnya mahasiswa dalam sebuah mata kuliah. Melalui tahap studi literatur, wawancara dan melihat data kinerja akademik yang di dapat, maka digunakan nilai tugas, nilai unit test, nilai mid test, dan kehadiran yang didapat dari data kinerja serta faktor internal dan eksternal mahasiswa seperti keaktifan kelas, Status tinggal, Bahasa materi pelajaran, dan bentuk tugas akhir yang di berikan. Pengolahan data dilakukan menggunakan K-means, kemudian menghitung chi square atribute selection dan menghitung tingkat akurasi prediksi tersebut menggunakan confusion matrix. Hasil dari penelitian menunjukkan bahwa hasil prediksi menggunakan K = 3 dari 118 data yang diolah terdapat 13 mahasiswa yang tidak lulus, 36 mahasiswa lulus dengan nilai cukup, dan 69 mahasiswa lulus dengan nilai baik. Dan yang mempengaruhi prediksi kelulusan menggunakan chi square atribute adalah nilai mid dengan ranked atributes sebesar 49, nilai tugas sebesar 46, dan kehadiran sebesar 42. Bahasa materi yang menggunakan Bahasa inggris mempengaruhi mahasiswa yang lulus dengan nilai cukup. Sedangkan tugas akhir yang berupa proyek atau ujian teori tidak terlalu mempengaruhi prediksi kelulusan mahasiswa di sebuah mata kuliah. Penggunaan confusion matrix terhadap hasil prediksi menunjukkan tingkat akurasi sebesar 93% dengan presisi dan recall sebesar 96% dan 92%.