Perbandingan 3 Metode Dalam Data Mining Untuk Prediksi Penerima Beasiswa Berdasarkan Prestasi Di SMA Negeri 6 Surakarta

ANDRIYANA, Veronica and , Yusuf Sulistyo Nugroho, S.T., M.Eng. (2015) Perbandingan 3 Metode Dalam Data Mining Untuk Prediksi Penerima Beasiswa Berdasarkan Prestasi Di SMA Negeri 6 Surakarta. Skripsi thesis, Universitas Muhammadiyah Surakarta.

	PDF (Halaman Depan) 03. HALAMAN AWAL.pdf Download (1MB)
	PDF (Bab I) 04. BAB 1.pdf Download (66kB)
	PDF (Bab II) 05. BAB 2.pdf Restricted to Repository staff only Download (121kB)
	PDF (Bab III) 06. BAB 3.pdf Restricted to Repository staff only Download (336kB)
	PDF (Bab IV) 07. BAB 4.pdf Restricted to Repository staff only Download (1MB)
	PDF (Bab V) 08. BAB 5.pdf Restricted to Repository staff only Download (134kB)
	PDF (Daftar Pustaka) 09. DAFTAR PUSTAKA.pdf Download (117kB)
	PDF (Lampiran) 10. LAMPIRAN.pdf Restricted to Repository staff only Download (3MB)
	PDF (Naskah Publikasi) 02. NASKAH PUBLIKASI_VERONICA_1.pdf Download (2MB)
	PDF (Surat Pernyataan Publikasi) 01. Surat Pernyataan Publikasi Karya Ilmiah.pdf Restricted to Repository staff only Download (616kB)

Abstract

Dalam rangka meningkatkan akses dan minat belajar siswa serta mengangkat mutu sekolah, SMA N 6 Surakarta mengalokasikan dana beasiswa dalam bentuk apresiasi untuk siswa berprestasi. Namun masih ada hal yang menjadi permasalahan yang sering muncul, yaitu kurang tepatnya penyaluran beasiswa terhadap siswa. Beasiswa untuk siswa berprestasi bertujuan memotivasi siswa untuk selalu meningkatkan prestasi akademik maupun non akademik dan membantu siswa yang kurang mampu tetapi berprestasi. Untuk mengatasi permasalahan tersebut adalah dengan cara menerapkan proses data mining. Dalam memprediksi siswa yang menerima beasiswa berdasarkan prestasi menggunakan metode Naive Bayes, Decision Tree Algoritma ID3, dan Regresi Linear. Atribut yang digunakan terdiri dari Nilai rata-rata, Gender, Ekstrakurikuler, Jurusan, Semester, Jumlah Tanggungan Orang Tua, Gaji Orang Tua, dan Beasiswa. Untuk melakukan proses data mining tersebut di perlukan tools pembantu yaitu RapidMiner 5. Pengimplementasian data mining menggunakan perbandingan 3 metode dapat diketahui bahwa berdasarkan dari jumlah sampel 305 siswa hasil nilai precision metode Decision Tree Algoritma ID3 lebih baik digunakan untuk penelitian ini dibandingkan dengan metode yang lain. Sedangkan berdasarkan nilai recall dan accuracy, Regresi Linear lebih baik digunakan dibandingkan metode lain. Tetapi apabila dilihat dari hasil secara keseluruhan prediksi penerima beasiswa variabel yang paling berpengaruh adalah Nilai rata-rata.

Item Type:	Karya ilmiah (Skripsi)
Uncontrolled Keywords:	Algoritma ID3, Data mining, Decision Tree, Naive Bayes, Regresi Linear
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Ilmu Komunikasi dan Informatika > Teknik Informatika
Depositing User:	Cahyana K. Widada
Date Deposited:	15 Dec 2015 12:30
Last Modified:	13 Oct 2021 06:02
URI:	http://eprints.ums.ac.id/id/eprint/39922

Actions (login required)

View Item