DETAIL KOLEKSI

Prediksi masa studi mahasiswa menurut klasifikasi konsentrasi yang dipilih menggunakan algorithma Naive Bayes Classifier (NBC) di Jurusan Teknik Informatika Universitas Trisakti


Oleh : Retno Adha Ayuningtyas

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2016

Pembimbing 1 : Anung B Ariwibowo

Subyek : Students - Study and teaching;Concentration functions

Kata Kunci : data mining, classification, naive bayes classifier algorithm

Status Posting : Published

Status : Tidak Lengkap


File Repositori
No. Nama File Hal. Link
1. 2016_TA_SIF_06411026_Halaman-Judul.pdf
2. 2016_TA_SIF_06411026_Lembar-Pengesahan.pdf
3. 2016_TA_SIF_06411026_Bab-1_Pendahuluan.pdf
4. 2016_TA_SIF_06411026_Bab-2_Landasan-Teori.pdf 20
5. 2016_TA_SIF_06411026_Bab-3_Analisa-dan-Perancangan.pdf
6. 2016_TA_SIF_06411026_Bab-4_Implementasi-dan-Uji-Coba.pdf
7. 2016_TA_SIF_06411026_Bab-5_Kesimpulan-dan-Saran.pdf
8. 2016_TA_SIF_06411026_Daftar-Pustaka.pdf

P Pertumbuhan yang pesat dan akumulasi data telah menciptakan kondisi kaya akan data tapi minim informasi. Data mining merupakan penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data dalam jumlah besar yang diharapkan dapat memberikan indikasi yang bermanfaat. Klasifikasi merupakan salah satu fungsi dari data mining. Dengan memanfaatkan data induk mahasiswa dan data kelulusan mahasiswa, diharapkan dapat menghasilkan informasi tentang tingkat kelulusan dengan data induk mahasiswa melalui teknik data mining. Kategori tingkat kelulusan di ukur dari lama studi dan konsentrasi. Algoritma yang digunakan adalah algoritma Naïve Bayes Classifier. Penelitian ini menggunakan bahasa pemrograman java serta basis data MySQL untuk membangun aplikasinya. Informasi yang ditampilkan berupa keterangan status kelulusan tepat atau terlambat dari perhitungan yang sudah dilakukan sebelumnya dari data uji dan data training. Tingkat akurasi dari pengujian aplikasi mencapai 75.47% dengan data training sebanyak 420 data dan data uji sebanyak 106 data. Dan dengan tambahan 10 data training yang menjadi 430 data training dan data uji sebanyak 106 data, tingkat akurasi pengujian aplikasi mencapai 79.24%.

T The rapid growth and accumulation of data has created conditions that are rich in data but lacking in information. Data mining is the mining or discovery of new information by looking for certain patterns or rules from large amounts of data that are expected to provide useful indications. Classification is one of the functions of data mining. By utilizing student master data and student graduation data, it is expected to produce information about graduation rates with student master data through data mining techniques. The graduation rate category is measured by the length of study and concentration. The algorithm used is the Naïve Bayes Classifier algorithm. This research uses the Java programming language and MySQL database to build the application. The information displayed is a description of the exact or late graduation status from calculations that have been carried out previously from test data and training data. The accuracy rate of application testing reaches 75.47% with 420 training data and 106 test data. And with the addition of 10 training data which becomes 430 training data and 106 test data, the accuracy of application testing reaches 79.24%.

Bagaimana Anda menilai Koleksi ini ?