Penerapan Data Mining Klasifikasi Untuk Memprediksi Potensi Mahasiswa Berprestasi Di Stikom Dinamika Bangsa Jambi Dengan Metode Naive Bayes

Resti, Resti (2019) Penerapan Data Mining Klasifikasi Untuk Memprediksi Potensi Mahasiswa Berprestasi Di Stikom Dinamika Bangsa Jambi Dengan Metode Naive Bayes. Skripsi thesis, STIKOM DINAMIKA BANGSA.

	Text BAB I.pdf Download (383kB)
	Text BAB II.pdf Restricted to Registered users only Download (463kB)
	Text BAB III.pdf Restricted to Registered users only Download (278kB)
	Text BAB IV.pdf Restricted to Registered users only Download (706kB)
	Text BAB V.pdf Download (501kB)
	Text BAB VI.pdf Download (93kB)
	Text DAFTAR PUSTAKA.pdf Download (195kB)

Abstract

Institusi pendidikan memegang peranan penting dalam menghasilkan kualitas mahasiswa berprestasi khususnya berprestasi di bidang akademik. Prestasi akademik tentunya ada yang baik dan buruk dikarenakan ada beberapa faktor yang mempengaruhinya seperti iklim belajar yang tercipta di lingkungannya, berorganisasi dengan baik, dan tentunya latar belakang potensi yang dimiliki sejak lahir. STIKOM Dinamika Bangsa, menyimpan banyak data mahasiswa yang berbeda dan bertambah setiap tahunnya. Data yang dimaksud adalah data akademik mahasiswa berupa nilai matakuliah dan indeks prestasi yang diperoleh dari ujian disetiap semesternya yang kemudian indeks prestasi itu akan dikumulatifkan. Selain Nilai Mata Kuliah dan Indeks Prestasi Kumulatif atribut yang digunakan adalah Status Hubungan, Status Pekerjaan, UKM yang di ikuti, Minat, dan Bakat. Atribut-atribut inilah yang akan diterapkan kedalam metode naive bayes pada mahasiswa jurusan Teknik Informatika angkatan tahun 2015-2016 sebanyak 200 data untuk memprediksi potensi mahasiswa berprestasi, yang dikategorikan menjadi 3 yaitu Sangat Berpotensi, Berpotensi, dan Cukup Berpotensi. Hasil dari penelitian ini menggunakan Use Training Set dengan persentasi akurasi Correctly Classified Instances sebesar 87 % dan Incorrectly Classified Instances 13 %. 5-cross validation Correctly dengan persentasi akurasi Correctly Classified Instances sebesar 77 % dan Incorrectly Classified Instances 23 %. 10-Fold Cross Validation dengan persentasi akurasi Correctly Classified Instances sebesar 78 %, Incorrectly Classified Instances 22 %.

Actions (login required)

View Item