Penerapan metode decision tree C.45 dan naive Bayes dalam klasifikasi predikat Indeks Prestasi Kumulatif (IPK) berdasarkan aktivitas mahasiswa / Syam Ja'faros Assodiiq

Assodiiq, Syam Ja'faros (2019) Penerapan metode decision tree C.45 dan naive Bayes dalam klasifikasi predikat Indeks Prestasi Kumulatif (IPK) berdasarkan aktivitas mahasiswa / Syam Ja'faros Assodiiq. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

v ABSTRAK Assodiiq, Syam JaÔÇÖfaros. 2019. Penerapan Metode Decision Tree C4.5 dan Na?»ve Bayes Dalam Klasifikasi Predikat Indeks Prestasi Kumulatif (IPK) Berdasarkan Aktivitas Mahasiswa. Skripsi. Jurusan Teknik Elektro, Fakultas Teknik, Universitas Negeri Malang. Pembimbing (I) Dr. Eng. Anik Nur Handayani, S.T., M.T. (II) Drs. Wahyu Sakti G.I., M.Kom. Kata kunci: Aktivitas Mahasiswa, Ipk, Spearman Rank Correlaton, Decision Tree C4.5, Na?»ve Bayes. Mengingat bahwa mahasiswa merupakan unsur penting dalam pencapaian tujuan Perguruan Tinggi, sehingga harus mendapatkan perhatian, terutama dengan mengetahui dan menganalisis faktor-faktor yang mempengaruhi hasil prestasi belajar mahasiswa diantaranya faktor yang mendukung meningkatnya predikat prestasi, serta faktor yang melawan secara langsung maupun tidak langsung atau menghambat. Ada beberapa penelitian tentang faktor-faktor berserta contoh aktivitas yang mempengaruhi Indeks Prestasi Kumulatif (IPK). Dari penelitianÔÇôpenelitian tersebut dapat disimpulkan bahwa faktor-faktor yang mempengaruhi IPK berasal dari faktor internal yaitu aktivitas fisik dan psikologis serta faktor eksternal yaitu aktivitas di lingkungan sosial dan non-sosial. Pada penelitian ini akan dicari aktivitas-aktivitas yang memiliki hubungan kuat dengan predikat ipk menggunakan Spearman Rank Correlation. Setelah mengelompokkan aktivitas apa saja yang mendukung ,melawan atau menghambat maka akan dilakukan proses klasifikasi berdasarkan aktivitas yang sudah didapatkan menggunakan metode Decision Tree C4.5 dan Na?»ve Bayes. Implementasi metode Decision Tree C4.5 dan Na?»ve Bayes menggunakan RapidMiner. Berdasarkan penelitian yang telah dilakukan, hasil klasifikasi menunjukkan bahwa metode Na?»ve Bayes lebih baik dengan akurasi sebesar 84,00% , nilai precision sebesar 83,10%, dan nilai recall sebesar 82,01%. Sedangkan pada metode Decision Tree C4.5 nilai akurasi sebesar 82,33%, nilai precision sebesar 81,64%, dan nilai recall sebesar 80,81%.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Jurusan Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: Users 2 not found.
Date Deposited: 12 Mar 2019 04:29
Last Modified: 09 Sep 2019 03:00
URI: http://repository.um.ac.id/id/eprint/48084

Actions (login required)

View Item View Item