Implementasi Data Mining untuk Prediksi Mahasiswa Pengambil Mata Kuliah dengan Algoritme Naive Bayes
| Main Author: | Syahputra, Indra Kurniawan |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/13819/1/Indra%20Kurniawan%20Syahputra.pdf http://repository.ub.ac.id/13819/ |
Daftar Isi:
- Bagian akademik Fakultas Ilmu Komputer Universitas Brawijaya setiap semester memiliki tugas dalam melakukan penjadwalan dan penentuan mata kuliah yang harus dibuka untuk mahasiswa. Akan tetapi proses tersebut memiliki permasalahan seperti contohnya kelas yang dibuka terlalu banyak dibanding jumlah siswa yang berminat atau kelas yang dibuka sedikit sementara jumlah peminat untuk mata kuliah tersebut sangat tinggi. Sehingga dibutuhkan suatu sistem yang dapat memprediksi apakah suatu mahasiswa akan mengambil mata kuliah atau tidak. Salah satu solusinya menggunakan pendekatan klasifikasi data mining. Berdasarkan atribut dari data mahasiswa yaitu Nilai, IP, IP Kumulatif, SKS, SKS Kumulatif dan Semester akan dilakukan proses klasifikasi sehingga menghasilkan prediksi apakah mahasiswa tersebut mengambil mata kuliah tertentu atau tidak. Hasil klasifikasi dibagi menjadi 2 kelas yaitu kelas ‘Ya’ untuk mahasiswa yang diprediksi mengambil dan ‘Tidak’ untuk mahasiswa yang diprediksi tidak mengambil. Proses klasifikasi dilakukan dengan menggunakan algoritme Naive Bayes Classification (NBC). Dataset yang digunakan untuk training adalah data dari tahun 2014 semester ganjil sampai tahun 2015 semester genap. Sementara dataset yang digunakan untuk testing adalah data dari tahun 2016 semester ganjil. Dari hasil prediksi menggunakan 2 mata kuliah sebagai sampel, diperoleh hasil nilai Accuracy untuk mata kuliah Manajemen Hubungan Pelanggan adalah sebesar 85,88% sementara untuk mata kuliah Jaringan Nirkabel adalah sebesar 44,92%. Luaran dari penelitian ini adalah dashboard berbasis web yang menampilkan grafik perbandingan nilai actual dan prediksi dari setiap mata kuliah pada tahun dan semester tertentu