PREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA MEGGUNAKAN METODE NAIVE BAYES CLASSIFICATION DAN K-NEAREST NEIGHBORS (Studi Kasus: Program Studi D3 Teknologi Laboratorium Medik STIKES Guna Bangsa)

-, ANWARUDIN (2022) PREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA MEGGUNAKAN METODE NAIVE BAYES CLASSIFICATION DAN K-NEAREST NEIGHBORS (Studi Kasus: Program Studi D3 Teknologi Laboratorium Medik STIKES Guna Bangsa). Masters thesis, Universitas Teknologi Digital Indonesia.

[img] Text (HALAMAN DEPAN)
1_19-22-18-MTI-TSD-5_HALAMAN DEPAN.pdf - Published Version
Download (294kB)
[img] Text (BAB I)
2_19-22-18-MTI-TSD-5_BAB I PENDAHULUAN.pdf - Published Version
Download (138kB)
[img] Text (BAB II)
3_19-22-18-MTI-TSD-5_BAB II TINJAUAN PUSTAKA.pdf - Published Version
Download (314kB)
[img] Text (BAB III)
4_19-22-18-MTI-TSD-5_BAB III LANDASAN TEORI.pdf - Published Version
Download (268kB)
[img] Text (BAB IV)
5_19-22-18-MTI-TSD-5_BAB IV METODOLOGI PENELITIAN.pdf - Published Version
Restricted to Repository staff only
Download (453kB)
[img] Text (BAB V)
6_19-22-18-MTI-TSD-5_BAB V IMPLEMENTASI NAÏVE BAYES CLASSIFICATION.pdf - Published Version
Restricted to Repository staff only
Download (1MB)
[img] Text (BAB VI)
7_19-22-18-MTI-TSD-5_BAB VI IMPLEMENTASI K-NEAREST NEIGHBORS.pdf - Published Version
Restricted to Repository staff only
Download (1MB)
[img] Text (BAB VII)
8_19-22-18-MTI-TSD-5_BAB VII UJI PERFORMA.pdf - Published Version
Restricted to Repository staff only
Download (125kB)
[img] Text (KESIMPULAN)
9_19-22-18-MTI-TSD-5_BAB VIII PENUTUP.pdf - Published Version
Download (13kB)
[img] Text (DAFTAR PUSTAKA)
10_19-22-18-MTI-TSD-5_DAFTAR PUSTAKA.pdf - Published Version
Download (145kB)
[img] Text (LAMPIRAN)
LAMPIRAN 1.pdf - Published Version
Download (246kB)
[img] Text (LAMPIRAN)
LAMPIRAN 2.pdf - Published Version
Download (185kB)

Abstract

Mutu perguruan tinggi dapat dilihat dari tingkat kelulusan mahasiswa tepat waktu. Prediksi kelulusan mahasiswa ini dapat digunakan sebagai salah satu penunjang keputusan evaluasi kinerja mahasiswa. Saat ini, program studi (prodi) D3 Teknologi Laboratorium Medik STIKES Guna Bangsa Yogyakarta belum memiliki tools untuk memprediksi tingkat ketepatan waktu lulus mahasiswa tersebut. Tujuan penelitian itu yaitu mengevaluasi penerapan algoritma Naive Bayes Classification dan K-Nearest NEIGHBORS dalam pemodelan prediksi ketepatan waktu lulus mahasiswa dengan mengukur akurasi hasil prediksi menggunakan teknik skenario uji n-Folds Cross Validation. Penelitian ini menggunakan data akademik berupa sampel data mahasiswa program studi D3 Teknologi Laboratorium Medik Tahun Akademik (TA) 2015/2016 sampai dengan 2018/2019. Penelitian ini menggunakan pendekatan ekperimen (Experimental) dengan membandingkan metode algoritma Naive Bayes Classification dengan K-Nearest NEIGHBORS. Pelatihan dan pengujian sistem dilakukan dengan metode 5-fold Cross Validation dengan mengukur hasil akurasi, presisi dan recall. Hasil penelitian menunjukkan bahwa prediksi dengan Naive Bayes Classification pada kasus ini dengan tingkat performance yaitu akurasi sebesar 96,11 % dengan tingkat presisi sebesar 82,11% dan Recall sebesar 100,00% dan prediksi dengan menggunakan algoritma KNN yaitu akurasi sebesar 97,68% dengan tingkat presisi sebesar 100,00% dan Recall sebesar 86,11%. Dengan demikian, KNN merupakan algoritma dengan tingkat akrasi lebih baik untuk menyelesaikan kasus prediksi ketepatan waktu lulus mahasiswa Program Studi D3 Teknologi Laboratorium Medik STIKES Guna Bangsa Yogyakarta. Kata Kunci: Prediksi ketepatan waktu lulus mahasiswa, Naive Bayes Classification, K-Nearest Neighbors, n-Folds Cross Validation

Item Type: Thesis (Masters)
Additional Information: Pembimbing: Dr. Widyastuti Andriyani, S.Kom., M.Kom.
Uncontrolled Keywords: Prediksi ketepatan waktu lulus mahasiswa, Naive Bayes Classification, K-Nearest Neighbors, n-Folds Cross Validation
Subjects: A Karya Umum (General) > Ilmu Komputer (Computer Science) > Algoritma
Divisions: Program Pasca Sarjana > S2-Teknologi Informasi
Depositing User: Titis Pratiwi
Date Deposited: 31 Mar 2022 02:50
Last Modified: 27 Jul 2022 06:58
URI: http://eprints.utdi.ac.id/id/eprint/9633

Actions (login required)

View Item View Item
UTDI Repository is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.