Perbandingan Algoritma Data Mining Untuk Penentuan Lokasi Promosi Penerimaan Mahasiswa Baru Pada IIB Darmajaya Lampung

Toro, Robby and Lestari, Sri (2021) Perbandingan Algoritma Data Mining Untuk Penentuan Lokasi Promosi Penerimaan Mahasiswa Baru Pada IIB Darmajaya Lampung. Skripsi thesis, Institut Informatika dan Bisnis Darmajaya.

	Text 1. Cover.pdf Download (443kB)
	Text 2. Abstrak.pdf Download (955kB)
	Text 3. Persetujuan, pengesahan dan pernyataa.pdf Download (2MB)
	Text 4. Daftar Isi.pdf Download (2MB)
	Text 5. Bab I.pdf Download (2MB)
	Text 6. Bab II.pdf Download (621kB)
	Text 7. Bab III.pdf Download (37kB)
	Text 8. Bab IV.pdf Download (1MB)
	Text 9. Bab V.pdf Download (467kB)
	Text 10. Daftar pustaka.pdf Download (603kB)
	Text 11. Lampiran.pdf Download (4MB)

Abstract

Tingkat pesaing perguruan tinggi setiap tahunnya mengalami peningkatan yang sangat pesat. Dalam proses mendapatkan mahasiswa baru setiap perguruan tinggi memiliki strategi promosi yang berbeda-beda, seiring perkembangan teknologi maka pihak perguruan tinggi dapat memanfaatkan data mining dalam upaya promosi. Data mining juga dapat menjadi sebuah dasar atau pedoman untuk menentukan kebijakan bisnis dalam upaya peningkatan pesaing bisnis perusahaan. Dalam upaya penghematan biaya promosi maka dilakukan pemetaan lokasi promosi dan membandingkan tiga alogoritma klasifikasi agar mendapatkan nilai akurasi yang tinggi sehingga informasi yang dihasilkan bisa lebih akurat. Dalam pemetaan lokasi promosi menggunakan algoritma klasifikasi yaitu, decision tree, naïve bayes, dan k-nearest nighbour. Data set yang digunakan berjumlah 1281 record, dan menggunakan variabel, nama, total, alumni, luar kota, dan asal sekolah serta label yang digunakan yaitu, sangat potensi, potensi, dan kurang potensi. Hasil klasifikasi dapat digunakan pihak pemasaran untuk menentukan lokasi promosi pada tahun yang akan datang. Berdasarkan hasil crosss validation dari ketiga alogoritma tersebut maka alogoritma yang memiliki nilai akurasi tertinggi yaitu decision tree sebesar 100% dan yang kedua algoritma k-nearest nighbour sebesar 99,61% serta yang terakhir algoritma naïve bayes hanya 84,78%. Kata kunci: Data Mining, Akurasi, Decision Tree, Naïve Bayes, K-Nearest Nighbour

Item Type:	Thesis (Skripsi)
Subjects:	Ilmu Komputer eSkripsi
Divisions:	Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	S.Kom ROBBY TORO ROBBY
Date Deposited:	05 Apr 2023 07:01
Last Modified:	05 Apr 2023 07:01
URI:	http://repo.darmajaya.ac.id/id/eprint/11641

Actions (login required)

View Item