KOMPARASI ALGORITMA DATA MINING UNTUK MEMPREDIKSI PIUTANG BIAYA PENDIDIKAN MAHASISWA TAK TERTAGIH (Studi Kasus: Kampus Institut Teknologi dan Bisnis Muhammadiyah Wakatobi)

Hamka, Sry Faslia (2023) KOMPARASI ALGORITMA DATA MINING UNTUK MEMPREDIKSI PIUTANG BIAYA PENDIDIKAN MAHASISWA TAK TERTAGIH (Studi Kasus: Kampus Institut Teknologi dan Bisnis Muhammadiyah Wakatobi). S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 21.55.2150 Sry Faslia Hamka.pdf Download (6MB)

Abstract

Penelitian ini bertujuan membandingkan kinerja tiga algoritma data mining, yaitu C4.5, Artificial Neural Network, dan Naïve Bayes, dalam memprediksi piutang biaya pendidikan mahasiswa tak tertagih. Data diperoleh dari Kampus Institut Teknologi dan Bisnis Muhammadiyah Wakatobi, menggunakan data mahasiswa dari PDDikti dan data piutang biaya pendidikan dari Biro Administrasi Keuangan. Batasan penelitian mencakup data mahasiswa dari tahun akademik 2020/2021, 2021/2022, dan 2022/2023, serta data piutang biaya pendidikan dari tahun anggaran 2020-2023. Proses evaluasi menggunakan Confusion Matrix, dengan preprocessing data di Google Colaboratory menggunakan Python. Setelah penggabungan dataset, dilakukan proses preprocessing data. Pengujian model dilakukan dalam tiga percobaan dengan proporsi data training:data testing 80:20 dan 90:10 serta menggunakan k-fold cross-validation selanjutnya menganalisis atribut yang paling berpengaruh untuk setiap algoritma. Hasil percobaan menunjukkan bahwa algoritma C4.5 berhasil dengan atribut berpengaruh “Jumlah Piutang UKT mahasiswa”, “Pendidikan Wali” dan “Pekerjaan Wali”. Algoritma Artificial Neural Network tidak memberikan kinerja memuaskan, hal ini mengindikasikan adanya ketidakseimbangan kelas dalam data, dengan atribut “Program Studi” dan “Jumlah Piutang UKT mahasiswa” menunjukkan neuron kurang aktif mempengaruhi model, atribut “Perguruan Tinggi” menunjukkan neuron aktif membentuk jaringan model. Tetapi jika menggunakan k-fold cross-validation menunjukkan model memiliki performa lebih baik. Algoritma Naïve Bayes menunjukkan kinerja baik dengan atribut berpengaruh yaitu “Jumlah Piutang UKT mahasiswa”, “Jumlah Piutang BPP” dan “Umur Piutang BPP”. Secara keseluruhan, penelitian ini menyimpulkan algoritma C4.5 dan Naïve Bayes memberikan hasil lebih baik dalam hal akurasi dan presisi dibandingkan dengan Artificial Neural Network dalam memprediksi piutang biaya pendidikan mahasiswa tak tertagih.

Actions (login required)

View Item