Prediksi Tingkat Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Naive Bayes dan K-Nearest Neighbors (Studi Kasus : Universitas Nahdlatul Ulama Lampung)

Dea Agnes, Pratiwi (2024) Prediksi Tingkat Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Naive Bayes dan K-Nearest Neighbors (Studi Kasus : Universitas Nahdlatul Ulama Lampung). Skripsi thesis, Institut Informatika dan Bisnis Darmajaya.

	Text Cover.pdf Download (135kB)
	Text Halaman Pernyataan.pdf Download (676kB)
	Text Halaman Persetujuan.pdf Download (1MB)
	Text Halaman Pengesahan.pdf Download (1MB)
	Text Abstrak.pdf Download (92kB)
	Text Daftar Isi.pdf Download (99kB)
	Text Bab 1.pdf Download (218kB)
	Text Bab 2.pdf Download (634kB)
	Text Bab 3.pdf Download (315kB)
	Text Bab 4.pdf Download (1MB)
	Text Bab 5.pdf Download (110kB)
	Text Daftar Pustaka.pdf Download (117kB)

Abstract

PREDIKSI TINGKAT KELULUSAN MAHASISWA TEPAT WAKTU MENGGUNAKAN METODE K-NEAREST NEIGHBORS DAN NAIVE BAYES (STUDI KASUS : UNIVERSITAS NAHDLATUL ULAMA LAMPUNG) Oleh : Dea Agnes Pratiwi email : dea.agnes2014@gmail.com Tingkat kelulusan mahasiswa merupakan salah satu aspek penting yang dapat dijadikan tolak ukur kualitas suatu perguruan tinggi. Penelitian ini memiliki tujuan untuk menerapkan algoritma K-NN dan Naive Bayes guna memprediksi tingkat kelulusan mahasiswa di Universitas Nahdlatul Ulama Lampung, komparasi kedua metode ini dilakukan karena berdasarkan beberapa penelitian sebelumnya ditemukan bahwasanya K-NN dan Naive bayes merupakan metode pengklasifikasi yang terkenal dengan tingkat keakuratan yang baik. Metode yang digunakan dalam penelitian ini yaitu Naive Bayes dan K�Nearest Neighbors menggunakan tools RapidMiner. Berdasarkan perhitungan akurasi menggunakan tools RapidMiner Metode K-NN yaitu sebesar 87,40% dan metode Naive Bayes sebesar 99,21%. Jadi berdasarkan hasil kedua pengujian antara metode K-NN dan Naive Bayes yang menghasilkan akurasi tertinggi yaitu metode Naive Bayes dengan akurasi 99,21%. Jadi dapat disimpulkan bahwa metode Naive Bayes lebih layak di gunakan untuk memprediksi kelulusan mahasiswa. Kata kunci : Data Mining, K-NN, Naive Bayes, Prediksi, Kelulusan Mahasiswa

Item Type:	Thesis (Skripsi)
Subjects:	Ilmu Komputer eSkripsi
Divisions:	Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	Dea Agnes Pratiwi
Date Deposited:	22 May 2024 01:11
Last Modified:	22 May 2024 01:11
URI:	http://repo.darmajaya.ac.id/id/eprint/16184

Actions (login required)

View Item