KLASIFIKASI KECENDERUNGAN PENYELESAIAN STUDI MAHASISWA BARU DENGAN METODE DECISION TREE C4.5

KHULUQ, HUSNUL (2015) KLASIFIKASI KECENDERUNGAN PENYELESAIAN STUDI MAHASISWA BARU DENGAN METODE DECISION TREE C4.5. undergraduate thesis, Universitas Muhammadiyah Gresik.

[img] Text
Abstrak.pdf

Download (85kB)
[img] Text
BAB I.pdf

Download (266kB)
[img] Text
BAB II.pdf

Download (785kB)
[img] Text
BAB III.pdf

Download (1MB)
[img] Text
BAB IV.pdf
Restricted to Repository staff only

Download (1MB)
[img] Text
BAB V.pdf

Download (87kB)
[img] Text
Daftar Pustaka.pdf

Download (177kB)
Official URL: http://digilib.umg.ac.id/gdl.php?mod=browse&op=rea...

Abstract

Program studi merupakan kesatuan rencana belajar sebagai pedoman penyelenggaraan pendidikan, karena program studi merupakan satuan rencana belajar terkecil yang diselenggarakan atas dasar suatu kurikulum dan ditunjukan agar mahasiswa dapat mengetahui pengetahuan dan menguasai serta menerapkan sikap yang sesuai dengan sasaran kurikulum, sehingga setiap program studi harus dapat mengetahui kondisi aktual salah satunya dengan melakukan evaluasi guna untuk meningkatkan mutu, kualitas dan efesiensi perguruan tinggi termasuk peningkatan kelulusan untuk mengantisipasi peluang kerja bagi para lulusan yang dihasilkan. Salah satu upaya untuk membantu mahasiswa dalam menyelesaikan pendidikan mereka dengan prestasi akademik yang baik dan meminimalisir tingkat ketidaklulusan mahasiswa, oleh karna itu diperlukannya suatu sistem untuk memprediksi masa studi dari mahasiswa dari semester yang masih awal. Teknik yang dapat digunakan untuk memprediksi adalah Data Mining Classification atau klasifikasi data. Decision Tree (Pohon Keputusan) memiliki kelebihan dapat menggubah fakta yang sangat besar menjadi pohon keputusan yang merepresentasikan aturan. Decision Tree mempunyai beberapa algoritma salah satunya adalah C4.5. Sistem klasifikasi kecenderungan penyelesaian study ini menggunakan metode Decision Tree C4.5. Hasil uji sistem dengan evaluasi Confusion Matrik mendapatkan akurasi yang lebih baik yakni 90% dan tingkat error 10%.

Item Type: Thesis (undergraduate)
Subjects: Engineering > Informatics Engineering
Engineering
Divisions: Faculty of Engineering > Informatics Engineering Study Program
Depositing User: Shandy Rahma Ramadhan, S.IIP
Date Deposited: 12 Jul 2019 06:39
Last Modified: 12 Jul 2019 06:39
URI: http://eprints.umg.ac.id/id/eprint/1909

Actions (login required)

View Item View Item