Path: Top -> S1-Final Project -> Teknik Informatika -> 2019

Penerapan Data Mining Klasifikasi Untuk Memprediksi Potensi Mahasiswa Berprestasi Di Stikom Dinamika Bangsa Jambi Dengan Metode Naive Bayes

APPLICATION OF DATA MINING CLASSIFICATION TO PREDICT THE POTENTIAL OF ACHIEVING STUDENTS IN STIKOM DYNAMICS OF THE JAMBI NATION USING NAIVE BAYES

Undergraduate Theses from gdlhub / 2019-05-15 14:27:20
Oleh : Resti, STIKOM Dinamika Bangsa Jambi
Dibuat : 2019-05-15, dengan 7 file

Keyword : Klasifikasi, Data Mining, Naive Bayes, Potensi Mahasiswa Berprestasi

Institusi pendidikan memegang peranan penting dalam menghasilkan kualitas mahasiswa berprestasi khususnya berprestasi di bidang akademik. Prestasi akademik tentunya ada yang baik dan buruk dikarenakan ada beberapa faktor yang mempengaruhinya seperti iklim belajar yang tercipta di lingkungannya, berorganisasi dengan baik, dan tentunya latar belakang potensi yang dimiliki sejak lahir. STIKOM Dinamika Bangsa, menyimpan banyak data mahasiswa yang berbeda dan bertambah setiap tahunnya. Data yang dimaksud adalah data akademik mahasiswa berupa nilai matakuliah dan indeks prestasi yang diperoleh dari ujian disetiap semesternya yang kemudian indeks prestasi itu akan dikumulatifkan. Selain Nilai Mata Kuliah dan Indeks Prestasi Kumulatif atribut yang digunakan adalah Status Hubungan, Status Pekerjaan, UKM yang di ikuti, Minat, dan Bakat. Atribut-atribut inilah yang akan diterapkan kedalam metode naive bayes pada mahasiswa jurusan Teknik Informatika angkatan tahun 2015-2016 sebanyak 200 data untuk memprediksi potensi mahasiswa berprestasi, yang dikategorikan menjadi 3 yaitu Sangat Berpotensi, Berpotensi, dan Cukup Berpotensi. Hasil dari penelitian ini menggunakan Use Training Set dengan persentasi akurasi Correctly Classified Instances sebesar 87 % dan Incorrectly Classified Instances 13 %. 5-cross validation Correctly dengan persentasi akurasi Correctly Classified Instances sebesar 77 % dan Incorrectly Classified Instances 23 %. 10-Fold Cross Validation dengan persentasi akurasi Correctly Classified Instances sebesar 78 %, Incorrectly Classified Instances 22 %.

Deskripsi Alternatif :

Educational institutions play an important role in producing quality students, especially those who excel in the academic field. Of course there are good and bad academic achievements because there are several factors that influence it such as the learning climate created in the environment, good organization, and of course the potential background that has been born from birth. STIKOM Dinamika Bangsa, stores many different and increasing student data every year. The data in question is student academic data in the form of subject values and achievement indexes obtained from examinations in each semester which then the achievement index will be accumulated. In addition to the Subject Value and Grade Point Average attribute used are Relationship Status, Job Status, SMEs that are followed, Interests, Hobby and Talents. These attributes will be applied to the Naive Bayes method for Informatics Engineering students in the year 2015-2016 as many as 200 data to predict students' potential achievements, which are categorized into 3 namely Very Potential, Potential, and Sufficiently Potential.The results of this study use the Use Training Set with a percentage of accuracy of the Correct Classified Instances of 87 % and 13 % of the Incorrectly Classified Instances. 5-cross validation correction with a percentage of accuracy of Correct Classified Instances of 77% and 23% of Incorrectly Classified Instances. 10-Fold Cross Validation with a percentage of 78% Correct Classified Instances, 22% Incorrectly Classified Instances.

Beri Komentar ?#(0) | Bookmark

PropertiNilai Properti
ID Publishergdlhub
OrganisasiSTIKOM Dinamika Bangsa Jambi
Nama KontakHerti Yani, S.Kom
AlamatJln. Jenderal Sudirman
KotaJambi
DaerahJambi
NegaraIndonesia
Telepon0741-35095
Fax0741-35093
E-mail Administratorelibrarystikom@gmail.com
E-mail CKOelibrarystikom@gmail.com

Print ...

Kontributor...

  • Pembimbing : Dodo Zaenal Abidin, S.Kom, M.Kom dan Errissya Rasywir, S.Kom, MT, Editor: Calvin

Download...