Path: Top -> S1-Final Project -> Teknik Informatika -> 2018
Klasifikasi Prediksi Lama Masa Studi Teknik Informatika Pada STIKOM DB Menggunakan Metode Naïve Bayes
CLASSIFICATION OF OLD PREDICTION STUDY INFORMATIC TECHNICAL STUDENTS IN STIKOM DB USING NAÏVE BAYES METHOD
Undergraduate Theses from gdlhub / 2018-04-30 19:57:00Oleh : Vinny Alvionita, STIKOM Dinamika Bangsa Jambi
Dibuat : 2018-04-30, dengan 9 file
Keyword : Data Mining, Klasifikasi, Prediksi, Lama Masa Studi, Naïve Bayes
Data mining adalah suatu konsep penggalian data yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Di STIKOM DB data-data alumni khususnya pada program studi Teknik Informatika semakin bertambah setiap tahunnya dan tidak ada tindak lanjut manfaat dari data-data yang tersedia. Oleh karena itu, penulis melakukan analisis data mining pada data-data mahasiswa tersebut agar menjadi informasi yang sangat berharga bagi organisasi. Penulis menggunakan data mahasiswa teknik informatika tahun 2012 dan 2013 sebanyak 171 data yang kemudian di sajikan kedalam format arff. Dalam melakukan analisis penulis menggunakan alat bantu Tools WEKA. Metode yang gunakan adalah metode klasifikasi Naïve Bayes dengan 73 atribut. Untuk menyeleksi atribut penulis menggunakan algoritma classifier attribute evaluation Hasil klasifikasi Naïve Bayes dengan persentasi akurasi terbesar diperoleh dengan menggunakan Use Training Set yaitu sebesar 83.0409 %, menggunakan 5-cross validation Correctly sebesar 73.6842 % dan menggunakan 10-Fold Cross Validation sebesar 73.0994 %. Sedangkan hasil seleksi atribut menggunakan algoritma classifier attribute evaluation (ClassifierAttributeEval) dinyatakan bahwa atribut yang paling berpengaruh terhadap klasifikasi lama masa studi mahasiswa adalah Tugas Akhir (Skripsi).
Deskripsi Alternatif :Data mining is a concept of data mining used to discover hidden knowledge in a database. In STIKOM DB the data of alumni, especially on Informatics Engineering study program is increasing every year and there is no follow-up benefit from the available data. Therefore, the authors perform data mining analysis on the data of the students to be very valuable information for the organization. The author uses the data of informatics engineering students in 2012 and 2013 as much as 171 data which then presented into the arff format. In analyzing the author using tools WEKA Tools. The method used is the Naïve Bayes classification method with 73 attributes. To select the author attribute using classifier attribute evaluation algorithm. The NaïveBayes classification with the largest accuracy percentage was obtained using Use Training Setyaitu equal to 83.0409%, while using 5-cross validation Correctly of 73.6842% and using 10-Fold Cross Validation of 73.0994%. While the result of attribute selection using classifier attribute evaluation (ClassifierAttributeEval) algorithm is stated that the attribute that has the most influence on the classification of the duration of student study is final assignment (thesis).
Beri Komentar ?#(0) | Bookmark
| Properti | Nilai Properti |
|---|---|
| ID Publisher | gdlhub |
| Organisasi | STIKOM Dinamika Bangsa Jambi |
| Nama Kontak | Herti Yani, S.Kom |
| Alamat | Jln. Jenderal Sudirman |
| Kota | Jambi |
| Daerah | Jambi |
| Negara | Indonesia |
| Telepon | 0741-35095 |
| Fax | 0741-35093 |
| E-mail Administrator | elibrarystikom@gmail.com |
| E-mail CKO | elibrarystikom@gmail.com |
Print ...
Kontributor...
- Pembimbing : Kurniabudi, S.Kom, M.Kom dan Errissya Rasywir, S.Kom, MT, Editor: Calvin
Download...
Download hanya untuk member.
Bab 1
File : Bab 1.pdf
(350886 bytes)
Bab 2 part 1
File : Bab 2 part 1.pdf
(430379 bytes)
Bab 2 part 2
File : Bab 2 part 2.pdf
(112783 bytes)
Bab 2 part 3
File : Bab 2 part 3.pdf
(86311 bytes)
Bab 3
File : Bab 3.pdf
(237717 bytes)
Bab 4
File : Bab 4.pdf
(1063845 bytes)
Bab 5
File : Bab 5.pdf
(611086 bytes)
Bab 6
File : Bab 6.pdf
(93741 bytes)
Daftar Pustaka
File : Daftar Pustaka.pdf
(117953 bytes)