Prediksi Ketepatan Kelulusan Mahasiswa Diploma dengan Komparasi Algoritma Klasifikasi

Abstract

AMIK BSI Pontianak merupakan salah satu perguruan tinggi swasta yang memiliki jumlah mahasiswa yang banyak, namun dalam perjalanannya masih terdapat permasalahan yang setiap tahun nya terjadi yaitu permasalahan jumlah kelulusan mahasiswa yang tepat waktu dan terlambat. Jumlah mahasiswa yang lulus tepat waktu menjadi indikator efektifitas dari sebuah perguruan tinggi baik negeri dan swasta. Perguruan tinggi perlu mendeteksi perilaku dari mahasiswa aktif sehingga dapat dilihat faktor yang menyebabkan mahasiswa tidak lulus tepat waktu. Pada penelitian ini, akan mengkomparasikan atau membandingkan 5 metode data mining untuk menentukan metode mana yang paling optimal dalam menentukan ketepatan kelulusan mahasiswa dengan teknik pengujian T-Test, metode yang dibandingkan adalah metode Decision Tree, Naive Bayes, K-NN, Rule Induction, dan Random Forest. Hasil dari penelitian ini menghasilkan bahwa algoritma Rule Induction dan C4.5 adalah metode yang paling optimal performanya dalam menentukan ketepatan kelulusan mahasiswa diploma AMIK BSI Pontianak

Perbandingan Tingkat Akurasi Metode KNN Dan Decision Tree Dalam Memprediksi Lama Studi Mahasiswa

“…Teknik ini diterapkan dengan membagi data menjadi k bagian (folds), satu bagian digunakan untuk pengujian dan dan sisanya (k-1 folds) untuk pemasangan model dengan proses iterasi dilakukan sampai seluruh folds digunakan sebagai pengujian [6]. [11] mendefinisikan K-Fold Cross Validation sebagai teknik validasi dengan membagi data secara acak ke dalam k bagian dan masing-masing bagian akan dilakukan proses klasifikasi, dengan teknik ini akan dilakukan pengujian sebanyak k. Secara umum pengujian nilai k dilakukan sebanyak 10 kali untuk memperkirakan akurasi estimasi.…”

“…Confusion matrix merupakan matrix dua dimensi yang mengambarkan perbandingan antara hasil prediksi dengan kenyataan [11]. [4] juga menyatakan bahwa Confusion Matrix merupakan tabel perhitungan yang digunakan untuk melakukan evaluasi terhadap model klasifikasi berdasarkan perhitungan objek mana yang diprediksi benar dan tidak benar.…”

Komparasi Algoritma Nonparametrik untuk Klasifikasi Citra Wajah Berdasarkan Suku di Indonesia

“…KNN merupakan algoritma yang mampu memberikan hasil akurasi yang tinggi karena algoritma KNN bersifat fleksibel serta mampu bekerja dengan berbagai batasan keputusan [5], sedangkan pada SVM bekerja dengan menemukan batas pemisah terbesar dengan mencari jarak maksimal dari keseluruhan titik data, sehingga apabila terjadi kesalahan pengukuran maka tidak menyebabkan kesalahan hasil kategori dan memberikan hasil klasifikasi dengan akurasi yang tinggi [6]. Adaboost yang merupakan algoritma machine learning yang tercipta dengan menggunakan kumpulan weak classifier yang dibentuk sehingga menjadi menjadi strong classifier [7] yang dimunculkan untuk mampu mengurangi kesalahan dalam proses pembelajaran [8].…”

Sistem Informasi Akuntansi Sumbangan Pembinaan Pendidikan (SPP) Berbasis Website Menggunakan Metode Waterfall Pada SMKS Elim Kalimantan

“…Dengan adanya sistem informasi yang baik maka akan dapat melakukan dan menghasilkan informasi yang dibutuhkan dengan cepat dan akurat. [2] Sumbangan Pembinaan Pendidikan (SPP) merupakan suatu kegiatan atau usaha untuk membantu atau mengatur kegiatan belajar mengajar di sekolah agar dapat berjalan dengan lancar, dengan adanya bantuan dari pembayaran spp atau dana iuran tersebut. [3] Namun dari banyak lembaga pendidikan, pencatatan pembayaran spp masih banyak menggunakan sistem konvensional, yang mengakibatkan terjadi beberapa kendala dalam pelaksanaan atau pelaporan.…”

“…[5] Oleh karena itu sistem informasi yang sudah terkomputerisasi yang dapat memudahkan pengguna dalam merapikan rekapitulasi laporan keuangan, proses pengambilan data lebih cepat dan mudah, dan bisa di akses di manapun. [2] Berdasarkan permasalahan diatas, maka penelitian ini bertujuan membuat sistem informasi akuntansi pembayaran spp menggunakan metode waterfall dan berbasis website, yang nantinya akan berguna bagi isntansi, perusahaan, organisasi dan lainnya dalam pengolahan data hingga laporan keuangan.…”