dc.contributor.advisor | PRASETYO, EKO | |
dc.contributor.author | PERTIWI, LITA GUSTI | |
dc.date.accessioned | 2018-10-19T02:01:30Z | |
dc.date.available | 2018-10-19T02:01:30Z | |
dc.date.issued | 2018-08-10 | |
dc.identifier.uri | http://repository.umy.ac.id/handle/123456789/22319 | |
dc.description | Pendidikan memiliki peranan penting dalam kelangsungan hidup bangsa dan negara. Umumnya mahasiswa di perguruan tinggi memiliki kualitas tersendiri pada setiap individunya. Kelancaran studi menjadi salah satu tolak ukur keberhasilan dalam sistem pendidikan. Drop out sebagai bentuk punishment diberlakukan bagi mahasiswa yang dianggap kurang dalam potensi akademik. Untuk memonitor dan meminimalisir hal tersebut sebuah Bussiness Intelligence dapat digunakan. Menggunakan algoritma C4.5 dan K-Means yang digunakan pada klasifikasi data yang memiliki atribut–atribut numerik dan kategorial dari data. Sehingga menghasilkan proses klasifikasi berupa aturan yang dapat digunakan untuk memprediksi nilai atribut bertipe diskret dari record baru. Hasil dari penelitian ini yakni dari 19527 record data mahasiswa, 12% (2360 record data mahasiswa) berpotensi drop out berdasar algoritma C4.5 dan 3.6% (696 record data mahasiswa) berpotensi drop out berdasar algoritma K-Means. Potensi tertinggi terjadi pada angkatan 2013. Pengaruh tertinggi adalah masa studi semester 3 dan 4. | en_US |
dc.description.abstract | Pendidikan memiliki peranan penting dalam kelangsungan hidup bangsa dan negara. Umumnya mahasiswa di perguruan tinggi memiliki kualitas tersendiri pada setiap individunya. Kelancaran studi menjadi salah satu tolak ukur keberhasilan dalam sistem pendidikan. Drop out sebagai bentuk punishment diberlakukan bagi mahasiswa yang dianggap kurang dalam potensi akademik. Untuk memonitor dan meminimalisir hal tersebut sebuah Bussiness Intelligence dapat digunakan. Menggunakan algoritma C4.5 dan K-Means yang digunakan pada klasifikasi data yang memiliki atribut–atribut numerik dan kategorial dari data. Sehingga menghasilkan proses klasifikasi berupa aturan yang dapat digunakan untuk memprediksi nilai atribut bertipe diskret dari record baru. Hasil dari penelitian ini yakni dari 19527 record data mahasiswa, 12% (2360 record data mahasiswa) berpotensi drop out berdasar algoritma C4.5 dan 3.6% (696 record data mahasiswa) berpotensi drop out berdasar algoritma K-Means. Potensi tertinggi terjadi pada angkatan 2013. Pengaruh tertinggi adalah masa studi semester 3 dan 4. | en_US |
dc.publisher | FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH YOGYAKARTA | en_US |
dc.subject | Drop out, Algoritma C4.5, Algoritma K-Means, Data mining | en_US |
dc.title | PENGAMATAN STUDI MAHASISWA RENTAN DROP OUT MENGGUNAKAN ALGORITMA C4.5 DAN K-MEANS (STUDI KASUS FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH YOGYAKARTA) | en_US |
dc.type | Thesis
SKR
F T
374 | en_US |