PREDIKSI KELULUSAN TEPAT WAKTU BERDASARKAN TANDA TANGAN DENGAN DEEP LEARNING CNN RESNET 50 STUDI KASUS: S1 TEKNOLOGI INFORMASI UNIVERSITAS DARMA PERSADA

Khoirul, Mustaan (2024) PREDIKSI KELULUSAN TEPAT WAKTU BERDASARKAN TANDA TANGAN DENGAN DEEP LEARNING CNN RESNET 50 STUDI KASUS: S1 TEKNOLOGI INFORMASI UNIVERSITAS DARMA PERSADA. Other thesis, UNSADA.

	Text COVER.pdf Download (5MB)
	Text BAB 1.pdf Download (510kB)
	Text BAB 2.pdf Download (835kB)
	Text BAB 3.pdf Restricted to Registered users only Download (867kB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text BAB 5.pdf Download (489kB)
	Text DAFTAR PUSTAKA.pdf Download (553kB)
	Text LAMPIRAN.pdf Download (546kB)
	Text HASIL TURNITIN.pdf Restricted to Registered users only Download (543kB)
	Text SUKET TURNITIN.pdf Restricted to Registered users only Download (539kB)

Abstract

Penelitian ini mengembangkan model prediksi kelulusan mahasiswa menggunakan Convolutional Neural Networks (CNN) berbasis data tanda tangan. Prediksi kelulusan di Universitas Darma Persada penting untuk meningkatkan efisiensi pendidikan tinggi dan penilaian akreditasi. Data tanda tangan digunakan sebagai representasi atribut unik yang mempengaruhi kelulusan tepat waktu. Metodologi yang digunakan dalam penelitian ini mencakup berbagai tahap seperti pemahaman bisnis, pemahaman data, preprocessing data, pemodelan, evaluasi, dan penyebaran. Model CNN dilatih dan dievaluasi menggunakan metrik akurasi, recall, presisi, dan F1-score. Hasil pengujian menunjukkan bahwa model kelulusan memiliki akurasi terbaik sebesar 65% dan kepribadian sebesar 70%, dengan nilai masing-masing recall 65% dan 70%, presisi 66% dan 74%, serta skor F1 64% dan 69% dengan akurasi yang memadai. Evaluasi menggunakan matriks konfusi menunjukkan kinerja baik dalam membedakan mahasiswa yang lulus tepat waktu dan yang tidak. Tanda tangan terbukti sebagai indikator yang cukup konsisten dan dapat diandalkan. Penelitian ini membantu perguruan tinggi dan pembimbing akademik dalam mendukung keberhasilan akademik mahasiswa. Implementasi model diharapkan meningkatkan efisiensi pendidikan tinggi dan mengurangi penurunan prestasi akademik.

Item Type:	Thesis (Other)
Additional Information:	Dosen Pembimbing Herianto, S.Pd.,M.T
Uncontrolled Keywords:	prediksi kelulusan, Convolutional Neural Networks, data tanda tangan, CRISP-DM, Universitas Darma Persada.
Subjects:	000 Generalities/Karya Umum > 005.262 Programming in Specific Program Language/Pemrograman untuk Bahasa Pemrograman Tertentu
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Date Deposited:	03 Sep 2025 03:53
Last Modified:	03 Sep 2025 03:53
URI:	http://repository.unsada.ac.id/id/eprint/8955

Actions (login required)

View Item