Implementasi Data Mining Untuk Memprediksi Kelulusan Mahasiswa Fakultas Komunikasi dan Informatika UMS Menggunakan Metode Naive Bayes

Mauriza, Ahmad Fikri and , Yusuf Sulistyo Nugroho, S.T., M.Eng. (2014) Implementasi Data Mining Untuk Memprediksi Kelulusan Mahasiswa Fakultas Komunikasi dan Informatika UMS Menggunakan Metode Naive Bayes. Skripsi thesis, Universitas Muhammadiyah Surakarta.

Preview	PDF (Naskah Publikasi) NASKAH_PUBLIKASI_ILMIAH.pdf Download (834kB)
Preview	PDF (Halaman Depan) HALAMAN_DEPAN.pdf Download (814kB)
Preview	PDF (Bab I) BAB_I.pdf Download (196kB)
	PDF (Bab II) BAB_II.pdf Restricted to Repository staff only Download (221kB)
	PDF (Bab III) BAB_III.pdf Restricted to Repository staff only Download (324kB)
	PDF (Bab IV) BAB_IV.pdf Restricted to Repository staff only Download (1MB)
	PDF (Bab V) BAB_V.pdf Restricted to Repository staff only Download (93kB)
Preview	PDF (Daftar Pustaka) DAFTAR_PUSTAKA.pdf Download (89kB)
	PDF (Lampiran) LAMPIRAN.pdf Restricted to Repository staff only Download (949kB)

Abstract

Fakultas Komunikasi dan Informatika Universitas Muhammadiyah Surakarta memiliki jumlah 2358 mahasiswa dengan jumlah lulusan 388 mahasiswa, Dengan bertambah pesatnya jumlah mahasiswa baru setiap tahunnya dengan demikian secara otomatis akan terciptanya data-data yang sangat banyak dan akan menambah melimpahnya data yang tersimpan tapi minim informasi. Agar data yang awalnya tidak terpakai tersebut dapat diubah menjadi suatu informasi data yang sangat bermanfaat dengan menggunakan teknik data mining. Salah satunya dapat untuk memprediksi lama studi mahasiswa apakah dapat lulus kurang dari 4 tahun atau lebih dari 4 tahun dengan berdasarkan atribut-atribut yang digunakan. Metode Naive Bayes digunakan untuk menganalisis data dalam pengenalan pola dan memprediksi kelulusan mahasiswa. Data yang diperlukan yaitu data-data mahasiswa yang sudah lulus sebagai data training sedangkan data-data mahasiswa yang masih menempuh studi kuliah sebagai data uji. Dengan adanya penelitian ini dapat memberikan informasi yang berguna sehingga dapat meningkatkan kualitas atau dijadikan suatu acuan bagi mahasiswa untuk memprediksi kelulusan dengan tepat waktu. Berdasarkan hasil prediksi dari jumlah 342 data sampel yang diuji hanya 86 mahasiswa yang akan lulus tepat waktu atau hanya sekitar 25,15 %, sedangkan mahasiswa yang akan lulus terlambat berjumlah 256 mahasiswa mencapai 74,85% dari jumlah data sampel.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Data Mining, Naive Bayes, Prediksi
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Ilmu Komunikasi dan Informatika > Teknik Informatika
Depositing User:	Maria Husnun Nisa
Date Deposited:	14 Mar 2014 13:05
Last Modified:	08 Nov 2022 04:58
URI:	http://eprints.ums.ac.id/id/eprint/28225

Actions (login required)

View Item