PREDIKSI KELULUSAN MAHASISWA UMG DENGAN METODE DOUBLE MOVING AVERAGE

MASNUR, M. ALAIKA (2018) PREDIKSI KELULUSAN MAHASISWA UMG DENGAN METODE DOUBLE MOVING AVERAGE. undergraduate thesis, Universitas Muhammadiyah Gresik.

[img] Text
ABSTRAK.pdf

Download (88kB)
[img] Text
BAB 1.pdf

Download (218kB)
[img] Text
BAB II.pdf

Download (414kB)
[img] Text
BAB III.pdf

Download (827kB)
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (984kB)
[img] Text
BAB V.pdf

Download (88kB)

Abstract

Jumlah kelulusan merupakan parameter keberhasilan pihak program studi tertentu dan akan berpengaruh terhadap akreditasi yang nantinya dapat dijadikan salah satu indikator dari kualitas perguruan tinggi. Pihak program studi kesulitan untuk mengetahui berapa banyak jumlah kelulusan yang nantinya akan dibutuhkan untuk menjaga besarnya jumlah kelulusan untuk memenuhi sasaran mutu yang ditetapkan. Prediksi Kelulusan Mahasiswa UMG bertujuan untuk mengetahui jumlah kelulusan mahasiswa pada periode berikutnya. Penelitian ini menerapkan teknik data mining prediksi dengan menggunakan metode Double Moving Average yang menghitung 14 periode dari tahun 2010-2017 dimana hasil seluruh prediksi tersebut akan dijadikan nilai pembanding dengan data kelulusan aktual yang dapat menentukan nilai kegagalan atau nilai error dalam prediksi dengan menggunakan Mean Absolute Deviation (MAD) dan Mean Absolute Percentage Error (MAPE). Dari ketiga kategori analisa pengujian prediksi orde 3x3 (5 periode sebelumnya), orde 4x4 (7 periode sebelumnya) dan orde 6x6 (11 periode sebelumnya) yang memiliki prediksi terbaik dengan nilai MAD dan MAPE terendah adalah orde 4x4 (7 periode sebelumnya) dengan nilai MAD 6,92 dan MAPE 46,07%.

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: 08 Nov 2018 12:30
Last Modified: 08 Mar 2019 06:08
URI: http://eprints.umg.ac.id/id/eprint/630

Actions (login required)

View Item View Item