SISTEM PREDIKSI PRESTASI (IPK) MAHASISWA BERDASARKAN LATAR BELAKANG SEKOLAH ASAL DAN ATRIBUT MAHASISWA KETIKA AWAL MASUK KULIAH MENGGUNAKAN NAÏVE BAYES

SARI, MEINGGAN VILIAN (2014) SISTEM PREDIKSI PRESTASI (IPK) MAHASISWA BERDASARKAN LATAR BELAKANG SEKOLAH ASAL DAN ATRIBUT MAHASISWA KETIKA AWAL MASUK KULIAH MENGGUNAKAN NAÏVE BAYES. undergraduate thesis, Universitas Muhammadiyah Gresik.

Preview	Text 12. ABSTRAK.pdf Download (86kB) | Preview
Preview	Text BAB I.pdf Download (132kB) | Preview
Preview	Text BAB II.pdf Download (361kB) | Preview
Preview	Text BAB III.pdf Download (527kB) | Preview
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
Preview	Text BAB V.pdf Download (84kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (75kB) | Preview

Abstract

Indeks Prestasi Kumulatif (IPK) merupakan salah satu variabel indikator efisiensi proses pembelajaran di perguruan tinggi yang juga berpengaruh terhadap lama studi mahasiswa. Maka diperlukan sistem yang dapat memprediksi secara dini kategori IPK mahasiswa, agar mahasiswa termotivasi untuk mendapatkan nilai IPK yang tinggi. Penelitian ini menerapkan data mining teknik klasifikasi dengan menggunakan metode Naïve Bayes untuk menentukan kelas prediksi IPK mahasiswa yaitu kelas tinggi atau rendah. Atribut yang digunakan pada penelitian ini terdiri dari 6 variabel, yaitu instansi sekolah, status sekolah, jurusan sekolah, motivasi kuliah, status kerja, dan rata-rata nilai danem. Pengujian sistem dilakukan sebanyak enam kali pengujian yang masingmasing pengujian diulang sebanyak tiga kali dengan komposisi data latih yang berbeda-beda. Data yang digunakan pada pengujian sistem ini adalah data kuesioner dari mahasiswa Teknik Informatika Universitas Muhammadiyah Gresik angkatan tahun 2010 sebanyak 103 data. Berdasarkan hasil pengujian didapatkan bahwa jumlah data latih mempengaruhi dari akurasi hasil prediksi. Semakin banyak data latih yang digunakan, nilai akurasi yang didapatkan semakin tinggi. Nilai akurasi tertinggi didapatkan pada jenis pengujian pertama dengan nilai mencapai 84,62%.

Item Type:	Thesis (undergraduate)
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	Yoga Setya Perdana, A.Md., Lib.
Date Deposited:	02 Jul 2019 07:08
Last Modified:	02 Jul 2019 07:08
URI:	http://eprints.umg.ac.id/id/eprint/1557

Actions (login required)

View Item