Aplikasi Data Mining Menggunakan Algoritme C4.5 Untuk Memprediksi Ketepatan Lulus Mahasiswa Berdasarkan Faktor Demografi

Main Author: Devina, Diva
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2019
Subjects:
Online Access: http://repository.ub.ac.id/171917/1/Diva%20Devina%20-%20Skripsi%20%282%29.pdf
http://repository.ub.ac.id/171917/
Daftar Isi:
  • Mahasiswa yang lulus tidak tepat waktu merupakan permasalahan yang masih sering ditemukan di lingkungan akademik perguruan tinggi. Hal tersebut juga ditemui di prodi Sistem Informasi Universitas Brawijaya, dimana pada tahun 2015- 2018 rata-rata mahasiswa yang diterima setiap tahun sebanyak 241 mahasiswa, sedangkan rata-rata mahasiswa lulus sekitar 130 mahasiswa. Berdasarkan informasi tersebut mahasiswa yang lulus dan mahasiswa yang diterima tidak seimbang. Sehingga dapat dikatakan bahwa masih banyak mahasiswa yang berstatus aktif dan menyelesaikan masa studinya lebih dari 8 semester atau lulus tidak tepat waktu, hal tersebut dapat merugikan dari sisi mahasiswa maupun program studi. Oleh karena itu dibutuhkan suatu langkah untuk membantu permasalahan ketepatan lulus mahasiswa, yaitu dengan melakukan prediksi menggunakan data mining. Dengan memanfaatkan salah satu metode data mining yaitu Decision Tree C4.5, yang nantinya akan menghasilkan rule dalam bentuk pohon keputusan. Data yang digunakan dalam proses data mining ini hanya menggunakan data demografi (non-akademik) dari mahasiswa untuk mengetahui apakah demografi memiliki pengaruh terhadap ketepatan lulus mahasiswa, setelah itu data diolah menggunakan Weka CLI. Hasil evaluasi algoritme yang dilakukan dengan menggunakan confussion matrix didapatkan tingkat akurasi sebesar 80.4714%. Informasi mengenai prediksi ketepatan lulus mahasiswa ditampilkan dalam bentuk dashboard untuk memudahkan Kaprodi SI sebagai penggunanya. Pengujian sistem menggunakan pengujian black-box dan System Usability Scale (SUS), dengan hasil pengujian black-box valid sesuai dengan kebutuhan, sedangkan pengujian SUS mendapatkan hasil 67.5.