Klasifikasi Prediksi Lama Masa Studi Teknik Informatika Pada STIKOM DB Menggunakan Metode Naive Bayes

Alvionita, Vinny (2018) Klasifikasi Prediksi Lama Masa Studi Teknik Informatika Pada STIKOM DB Menggunakan Metode Naive Bayes. Skripsi thesis, STIKOM DInamika Bangsa Jambi.

	Text BAB 1.pdf Download (350kB)
	Text BAB 2 1.pdf Restricted to Registered users only Download (430kB)
	Text BAB 2 2.pdf Restricted to Registered users only Download (112kB)
	Text BAB 2 3.pdf Restricted to Registered users only Download (86kB)
	Text BAB 3.pdf Download (237kB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (611kB)
	Text BAB 6.pdf Download (93kB)
	Text DAFTAR PUSTAKA.pdf Download (117kB)

Abstract

Data mining adalah suatu konsep penggalian data yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Di STIKOM DB data-data alumni khususnya pada program studi Teknik Informatika semakin bertambah setiap tahunnya dan tidak ada tindak lanjut manfaat dari data-data yang tersedia. Oleh karena itu, penulis melakukan analisis data mining pada data-data mahasiswa tersebut agar menjadi informasi yang sangat berharga bagi organisasi. Penulis menggunakan data mahasiswa teknik informatika tahun 2012 dan 2013 sebanyak 171 data yang kemudian di sajikan kedalam format arff. Dalam melakukan analisis penulis menggunakan alat bantu Tools WEKA. Metode yang gunakan adalah metode klasifikasi Naïve Bayes dengan 73 atribut. Untuk menyeleksi atribut penulis menggunakan algoritma classifier attribute evaluation Hasil klasifikasi Naïve Bayes dengan persentasi akurasi terbesar diperoleh dengan menggunakan Use Training Set yaitu sebesar 83.0409 %, menggunakan 5-cross validation Correctly sebesar 73.6842 % dan menggunakan 10-Fold Cross Validation sebesar 73.0994 %. Sedangkan hasil seleksi atribut menggunakan algoritma classifier attribute evaluation (ClassifierAttributeEval) dinyatakan bahwa atribut yang paling berpengaruh terhadap klasifikasi lama masa studi mahasiswa adalah Tugas Akhir (Skripsi).

Actions (login required)

View Item