ZUHRI, BURHANUDIN and Harani, Nisa Hanum and Prianto, Cahyo (2023) PREDIKSI PELUANG UNTUK PENERIMAAN MAHASISWA PASCASARJANA MENGGUNAKAN ALGORITMA HYBRID CNN-LSTM (1.1.4.23.018/BUR/P). Diploma thesis, ULBI.
Full text not available from this repository.Abstract
ABSTRAK Saat ini, prediksi penerimaan mahasiswa pascasarjana masih menggunakan algoritma machine learning konvensional yang dimana belum terdapat algoritma untuk optimasinya. Penelitian ini bertujuan untuk menghasilkan model yang dapat memprediksi penerimaan mahasiswa pascasarjana secara lebih optimal dengan menggunakan optimasi algoritma hybrid learning, yaitu Convolutional Neural Network Long Short-Term Memory (CNN-LSTM). Penelitian ini menggunakan metode Microsoft Team Data Science Process yang terdiri dari business understanding, data acquisition & understanding, modelling, dan deployment serta menggunakan dataset penerimaan pascasarjana yang diperoleh dari website kaggle.com sebanyak 500 data. Hasil penelitian menunjukkan bahwa model hybrid learning CNN-LSTM dapat mengoptimalkan prediksi peluang keberhasilan mahasiswa pada penerimaan pascasarjana yang dibuktikan dari hasil evaluasi RMSE sebesar 6.31%, MAE sebesar 4.4%, dan R2 sebesar 80.52%. Model tersebut diimplementasikan pada aplikasi website dengan menggunakan bahasa Python, framework Django, dan database MySQL. Kata Kunci: Prediksi Peluang, Penerimaan Mahasiswa Pascasarjana, Hybrid Learning, CNN-LSTM, Django, Python
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Depositing User: | Unnamed user with email [email protected] |
| Date Deposited: | 23 Jan 2024 03:46 |
| Last Modified: | 23 Jan 2024 03:46 |
| URI: | http://eprint.ulbi.ac.id/id/eprint/2100 |
Actions (login required)
 |
View Item |
