ANALISIS PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA NAIVE BAYES DAN BACKPROPAGATION ARTIFICIAL NEURAL NETWORK

Hartatik, Hartatik (2022) ANALISIS PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA NAIVE BAYES DAN BACKPROPAGATION ARTIFICIAL NEURAL NETWORK. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 19.77.1182 Hartatik.pdf Download (3MB)

Abstract

Data akademik mahasiwa yang terus bertambah dari tahun ke tahun tentunya berpotensi untuk menghasilkan informasi baru yang berguna bagi proses akademik selanjutnya bagi mahasiswa khususnya dan bagi institusi umumnya.Apabila banyaknya peserta didik yang indeks prestasi akademiknya burukmengakibatkan masa studi menjadi lebih lama sehingga terjadi penumpukan dalam hal jumlah mahasiswa yang berakibat rasio dan keseimbangan kurang baik. Dalam penelitian ini akan dilakukan prediksi kelulusan mahasiswa dengan menggunakan Naive Bayes dan akan dikomparasi dengan AlgoritmaBackpropagation ANN sehingga diharapkan bisa mendapatkan nilai prediksi yang baik. Algoritma ANN yang digunakan adalah Backpropagation Artificial NeuralNetwork yaitu satu dari jaringan saraf tiruan (Neural Network) yang merupakanmetode pelatihan yang terawasi (Supervised Learning) dengan jaringan multi layer dan memiliki ciri khusus meminimalkan error pada output yang dihasilkan oleh jaringan. Selain itu dalam penelitian ini dilakukan penambahan variable baru yaituNilai Ujian Nasional (UN) dan Status Tinggal Mahasiswa (status alamat asalmahasiswa ) yang diharapkan ini bisa meningkatkan performa dari model yang didapatkan. Berdasarkan analisa data, variabel yang digunakan untuk prediksi padapenelitian ini yaitu dengan algoritma Naive Bayes didapatkan hasil pengujiandengan penambahan nilai UN menghasilkan akurasi 77.35% dengan AlgoritmaNaive Bayes dan akurasi 78.04% untuk algoritma B-ANN.

Actions (login required)

View Item