Tristiyanto, Adhi and Lestari, Sri (2023) KOMPARASI KINERJA ALGORITMA C4.5 DAN ALGORITMA RANDOM FOREST PADA MASA STUDI MAHASISWA. Masters thesis, Institut Informatika dan Bisnis Darmajaya.
![[img]](http://repo.darmajaya.ac.id/style/images/fileicons/text.png) |
Text
1. COVER.pdf Download (20kB) |
|
Text
2. PERNYATAAN.pdf Download (112kB) |
|
Text
3. PERSETUJUAN.pdf Download (119kB) |
|
Text
4. HALAMAN PENGESAHAN.pdf Download (119kB) |
|
Text
5. HALAMAN PERSEMBAHAN.pdf Download (5kB) |
|
Text
6. HALAMAN MOTTO.pdf Download (64kB) |
|
Text
7. DAFTAR ISI.pdf Download (20kB) |
|
Text
8. DAFTAR TABEL.pdf Download (11kB) |
|
Text
9. DAFTAR GAMBAR.pdf Download (9kB) |
|
Text
10. KATA PENGANTAR.pdf Download (8kB) |
|
Text
11. ABSTRAK.pdf Download (11kB) |
|
Text
12. BAB 1 PENDAHULUAN.pdf Download (92kB) |
|
Text
13. BAB 2 TINJAUAN PUSTAKA.pdf Download (234kB) |
|
Text
14. BAB 3 METODOLOGI PENELITIAN.pdf Download (583kB) |
|
Text
15. BAB 4 HASIL DAN PEMBAHASAN.pdf Download (442kB) |
|
Text
16. KESIMPULAN DAN SARAN.pdf Download (7kB) |
|
Text
17. DAFTAR PUSTAKA.pdf Download (117kB) |
Abstract
Kelulusan merupakan salah satu bidang yang termasuk ke dalam standar penjamin mutu internal suatu perguruan tinggi. Maka Aspek penting yang harus diperhatikan dalam evaluasi program studi dapat dilihat dari lama studi mahasiswa sebagai salah satu indikator keberhasilan sebuah program studi. Upaya dalam melakukan prediksi dan analisis kinerja mahasiswa merupakan tonggak penting dalam lingkungan pendidikan untuk membangun masa depan peserta didik sebagai langkah awal bagi prodi untuk mengetahui masa studi mahasiswa lebih dini maka pihak jurusan dapat melakukan tindakan-tindakan trategis supaya mahasiswa dapat lulus tepat waktu sekaligus meningkatkan kualitas jurusan itu sendiri. Salah satu teknik untuk melakukan prediksi adalah dengan menggunakan penggalian data atau data mining. Penggunaan teknik data mining yang digunakan untuk mengekstrak informasi penting dari kumpulan data yang dihasilkan dalam konteks pendidikan melalui proses pembelajaran mesin yang telah diterapkan untuk mempelajari dan memprediksi kinerja siswa. Penelitian ini mengambil sampel mahasiswa Fakultas Ekonomi dan Bisnis Islam IAIN Metro dengan jumlah total mahasiswa alumni sebanyak 646 (Enam Ratus Empat Puluh Enam) i. Berdasarkan hasil dan pembahasan yang telah dilakukan, maka dapat diambil kesimpulan yaitu nilai akurasi 87,30% membuktikan bahwa algoritma Random Forest memiliki akurasi yang lebih tinggi dalam memprediksi masa studi mahasiswa dibandingkan dengan algoritma C4.5 dengan akurasi 86,05%.
| Item Type: | Thesis (Masters) |
|---|---|
| Subjects: | Ilmu Komputer eTheses |
| Divisions: | Pasca Sarjana > Magister Teknik Informatika |
| Depositing User: | Adhi Tristiyanto Tristiyanto |
| Date Deposited: | 15 Jul 2024 01:10 |
| Last Modified: | 15 Jul 2024 01:10 |
| URI: | http://repo.darmajaya.ac.id/id/eprint/16535 |
Actions (login required)
 |
View Item |