PENERAPAN TEKNIK DATA MINING UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA DENGAN METODE NAIVE BAYESIAN DI IIB DARMAJAYA

Januanti, Agnes Dwi (2019) PENERAPAN TEKNIK DATA MINING UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA DENGAN METODE NAIVE BAYESIAN DI IIB DARMAJAYA. Skripsi thesis, IIB DARMAJAYA.

Text SKRIPSI_GABUNGAN.pdf Download (39MB)

Abstract

INTISARI PENERAPAN TEKNIK DATA MINING UNTUK MEMPREDIKSI TINGKAT KELULUSAN MAHASISWA DENGAN METODE NAIVE BAYESIAN DI IIB DARMAJAYA Oleh: Agnes Dwi Januanti agnesdwijanuanti@gmail.com Data yang terkumpul dan berukuran besar tersebut merupakan aset yang dapat dimanfaatkan untuk dianalisis yang hasilnya berupa pengetahuan atau informasi berharga untuk masa mendatang yang saat ini belum termanfaatkan. Data mining merupakan penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data besar. Dengan memanfaatkan data kelulusan mahasiswa, diharapkan dapat menghasilkan informasi tentang tingkat kelulusan melalui teknik data mining dengan metode Naïve Bayes yang merupakan pengklasifikasian probabilitas sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Dalam penelitian ini data yang digunakan adalah data kelulusan mahasiswa yang telah dinyatakan lulus dari tahun 2016-2019. Data tersebut digali dari data yang dimiliki BAAK IIB Darmajaya. Atribut yang digunakan yaitu, Jenis Kelamin, Umur, Asal, Kelas, Jurusan, IPK. Dengan sistem komputerisasi berbasis web yang terintegrasi memudahkan untuk memprediksi tingkat kelulusan di IIB Darmajaya sejak dini serta membantu pihak kampus IIB Darmajaya dalam merancang langkah perbaikan untuk meningkatkan kualitas kampus. Kata kunci: Data Mining, Naïve Bayes, Tingkat Kelulusan

Item Type:	Thesis (Skripsi)
Subjects:	Ilmu Komputer
Divisions:	Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	editor 1
Date Deposited:	24 Sep 2020 02:28
Last Modified:	24 Sep 2020 02:28
URI:	http://repo.darmajaya.ac.id/id/eprint/1626

Actions (login required)

View Item