APLIKASI PREDIKSI KATEGORI TOEFL MAHASISWA TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH GRESIK MENGGUNAKAN NAIVE BAYES

AF’IDAH, FIDA NADIYAH (2016) APLIKASI PREDIKSI KATEGORI TOEFL MAHASISWA TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH GRESIK MENGGUNAKAN NAIVE BAYES. undergraduate thesis, Universitas Muhammadiyah Gresik.

Preview	Text Abstrak.pdf Download (170kB) | Preview
Preview	Text BAB I .pdf Download (309kB) | Preview
Preview	Text BAB II.pdf Download (443kB) | Preview
Preview	Text BAB III.pdf Download (808kB) | Preview
	Text BAB IV.pdf Restricted to Registered users only Download (744kB)
Preview	Text BAB V.pdf Download (87kB) | Preview
Preview	Text Daftar Pustaka.pdf Download (108kB) | Preview

Abstract

Universitas Muhammadiyah Gresik (UMG) sebagai salah satu perguruan tinggi swasta yang menerapkan Test of English as a Foreign Language (TOEFL) untuk mengukur kemampuan mahasiswanya dalam berbahasa Inggris. Language Center (LC) adalah lembaga bahasa Inggris UMG Gresik yang menyelenggarakan TOEFL. LC telah menetapkan skor minimal lulus TOEFL untuk, jika skor belum sesuai standart akan diadakan tes ulang sampai memenuhi skor minimal lulus TOEFL. Aplikasi prediksi kategori menjadi gambaran awal kategori TOEFL mahasiswa yang belum melakukan TOEFL dengan perbandingan data mahasiswa yang telah melakukan TOEFL. Hasil prediksi diharapkan memberikan dorongan kepada mahasiswa Teknik Informatika agar lebih mempersiapkan diri dengan belajar lebih giat sebagai persiapan dalam menghadapi TOEFL dan dapat lulus TOEFL tanpa mengulang. Penelitian ini menerapkan data mining teknik klasifikasi dengan menggunakan metode Naive Bayes menggunakan 7 fitur untuk menentukan kelas prediksi kategori TOEFL yaitu tinggi atau rendah. Data yang digunakan pada pengujian sistem berasal dari data nilai D1 mahasiswa Teknik Informatika Universitas Muhammadiyah Gresik angkatan tahun 2008-2011 kelas sebanyak 60 data, akan dibagi menjadi 50 data latih dan 10 data uji. Nilai akurasi tertinggi adalah 86,7% yang didapatkan pada pengujian ketiga dengan jumlah data latih lebih banyak daripada data uji.

Item Type:	Thesis (undergraduate)
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	tri risdianto saifullah
Date Deposited:	15 Jul 2019 11:21
Last Modified:	15 Jul 2019 11:21
URI:	http://eprints.umg.ac.id/id/eprint/2001

Actions (login required)

View Item