RITONGA, YUNIA SALSABILA and Riza, Noviana and Rahayu, Woro Isti (2023) PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN SUPPORT VECTOR MACHINE DAN DECISION TREE (1.1.4.23.022/YUN/P). Diploma thesis, ULBI.
Full text not available from this repository.Abstract
ABSTRAK Prediksi kelulusan akademik mahasiswa menjadi isu krusial di institusi pendidikan tinggi untuk meningkatkan efisiensi dan efektivitas proses pendidikan. Dalam penelitian ini, metode prediksi menggunakan dua teknik pembelajaran mesin seperti Support Vector Machine dan Decision Tree, untuk memprediksi kelulusan mahasiswa secara sistematis dan berurutan. Decision Tree memperhitungkan atribut-atribut yang relevan dengan kelulusan. Proses ini memungkinkan interpretasi yang mudah terhadap faktor-faktor yang mempengaruhi kelulusan. Data mahasiswa yang digunakan pada penelitian ini didapatkan dari salah satu universitas yang berjumlah 93 data. Dengan rasio pembagian data testing dan data test sebesat 80% : 20%. Tujuan dari penelitian ini adalah untuk mengembangkan model prediksi kelulusan mahasiswa tepat waktu berdasarkan atribut data akademik. Hasil penelitian ini menunjukkan bahwa model prediksi menggunakan metode Support Vector Machine (SVM) memiliki tingkat akurasi 94,74% dan Decision Tree menghasilkan nilai akurasi 100%. Kata Kunci : Kelulusan mahasiswa,Prediski, SVM, Decision Tree
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Depositing User: | Unnamed user with email [email protected] |
| Date Deposited: | 23 Jan 2024 03:54 |
| Last Modified: | 23 Jan 2024 03:54 |
| URI: | http://eprint.ulbi.ac.id/id/eprint/2103 |
Actions (login required)
 |
View Item |
