Agelia Ajeng Ramadani (2020) PENERAPAN DATA MINING DALAM PREDIKSI MAHASISWA DROP OUT MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). D3 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (502kB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (454kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (10kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (17kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (389kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (805kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (9kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (119kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (139kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (172kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (3MB)

Abstract

Mahasiswa yang memiliki permasalahan di studi merupakan mahasiswa yang kecenderungan untuk drop out. Tingginya dan rendahnya tingkat persentase keberhasilan dan kegagalan mahasiswa dapat mempengaruhi dalam nilai akreditasi universitas. Untuk menyelesaikan masalah permasalahan, pada penelitian ini digunakan metode klastering (Clustering) Support Vectore Machine untuk melakukan proses prediksi. Dan sebelum dilakukan nya klasifikasi dataset, adalah proses normalisasi dataset, lalu kemudian dataset diolah menjadi beberapa klaster. Dataset yang telah diklasterisasi tersebut menghasilkan kategori prediksi kategori mahasiswa DO dan tidak DO berdasarkan SKS yang telah ditempuh dan IPK yang telah di peroleh selama empat (4) semester mahasiswa pada setiap klaster. Tujuan dengan adanya penelitian ini, pihak perguruan tinggi dapat mengetahui hasil prediksi mahasiswa yang memiliki status DO dan tidak DO dan dapat memberikan tindakan preventif untuk mengurangi masalah tersebut. Hasil dari proses klasifikasi dengan menggunakan cross validation, confusion matrix, menggunakan dataset dari mahasiswa Fakultas Teknik Universitas Muhammadiyah tahun 2015-2017 adalah dengan akurasi kernel terbaik menggunakan SVM kernel Polynomial dengan optimum Cost (c) =0.2 dan deggre (d) = 4 dengan akurasi 99.46

Dosen Pembimbing: SLAMET RIYADI S.T., M.SC., PH.D. | NIDN0509087801
Item Type: Thesis (D3)
Divisions: Fakultas Teknik > S1 Teknologi Informasi
Depositing User: Unnamed user with email robi@umy.ac.id
Date Deposited: 12 Oct 2021 06:52
Last Modified: 01 Nov 2021 04:01
URI: https://etd.umy.ac.id/id/eprint/1725

Actions (login required)

View Item View Item