KOMPARASI METODE KLASIFIKASI DATA MINING UNTUK PREDIKSI KETEPATAN KELULUSAN MAHASISWA
KOMPARASI METODE KLASIFIKASI DATA MINING UNTUK PREDIKSI KETEPATAN KELULUSAN MAHASISWA
(0 vote average: 0 out of 5) 2151 VIEWS Skripsi
COURSE DETAILS
Perguruan tinggi adalah tempat bagi para mahasiswa untuk menimba ilmu sebelum terjun kedalam dunia persaingan kerja. Jumlah mahasiswa yang lulus tepat waktu menjadi indicator keberhasilan dari sebuah perguruan tinggi baik negeri dan swasta. Penelitian dalam hal memprediksi kelulusan mahasiswa dan siswa telah banyak dilakukan. Dalam penelitian ini dilakukan perbandingan metode data mining yaitu algoritma C4.5, naïve bayes dan neural network yang diaplikasikan pada data kelulusan mahasiswa baik yang lulus tepat waktu dan yang terlambat lulus. Algoritma C4.5 merupakan salah satu algoritma dalam metode decision tree yang merubah data menjadi pohon keputusan menggunakan rumus perhitungan entropi. Naïve bayes yaitu metode yang menghitung probabilitas antara kemunculan data yang satu dengan data yang lainnya. Neural network yaitu metode layaknya neuron manusia untuk mencari jalur terbaik.Dari hasil pengujian dengan mengukur kinerja keempat metode tersebut menggunakan metode pengujian cross validation, confusion matrix dan kurva ROC diketahui bahwa neural network memiliki nilai akurasi yang paling tinggi yakni sebesar 78,19% , diikuti oleh metode algoritma C4.5 dengan nilai akurasi 74,33%, kemudian metode naïve bayes dengan nilai akurasi 69,72%. Nilai AUC untuk metode neural network menunjukan nilai tertinggi yakni 0,848 dan yang terendah adalah metode naïve bayes yaitu 69,72.
