PREDIKSI KELULUSAN MAHASISWA PROGRAM STUDI TEKNOLOGI INFORMASI UNIVERSITAS DARMA PERSADA DENGAN MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN DECISION TREE

Laily, Badria (2024) PREDIKSI KELULUSAN MAHASISWA PROGRAM STUDI TEKNOLOGI INFORMASI UNIVERSITAS DARMA PERSADA DENGAN MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN DECISION TREE. Other thesis, UNSADA.

[img] Text
COVER.pdf

Download (1MB)
[img] Text
BAB 1.pdf

Download (890kB)
[img] Text
BAB 2.pdf

Download (1MB)
[img] Text
BAB 3.pdf
Restricted to Registered users only

Download (1MB)
[img] Text
BAB 4.pdf
Restricted to Registered users only

Download (1MB)
[img] Text
BAB 5.pdf

Download (685kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (800kB)
[img] Text
LAMPIRAN.pdf

Download (858kB)
[img] Text
HASIL TURNITIN.pdf

Download (844kB)
[img] Text
SUKET TURNITIN.pdf
Restricted to Registered users only

Download (830kB)
Official URL: http://repository.unsada.ac.id

Abstract

Penelitian ini mengembangkan sistem prediksi kelulusan yang digunakan untuk mengetahui hasil prediksi dengan mudah dan tepat dengan menerapkan metode klasifikasi. Lokasi penelitian ini adalah Program Studi Teknologi Informasi Universitas Darma Persada dengan menerapkan algoritma Support Vector Machine. Dalam melakukan prediksi terdiri dari beberapa kriteria yang sudah ditetapkan seperti persentase kehadiran, riwayat tagihan mahasiswa semester 1 hingga semester 4 serta Indeks Prestasi Semester (IPS) 1 hingga 4. Dengan menerapkan metodologi yang mencakup proses mengumpulkan data, pemodelan, evaluasi serta mengimplementasi model prediksi. Penelitian ini mendapatkan hasil bahwa algoritma SVM memberikan kinerja yang baik dalam kelulusan mahasiswa dengan tingkat akurasi yang tinggi yaitu 97%. Dalam menerapkan model prediksi ini, diharapkan pihak universitas dapat bertindak aktif dalam peningkatan keberhasilan akademik mahasiswa serta bertindak dalam pengurangan tingkat Drop Out mahasiswa. Hal tersebut dapat membantu dalam meingkatkan kualitas pendidikan dan akreditasi Universitas Darma Persada.

Item Type: Thesis (Other)
Additional Information: Dosen Pembimbing Dr.Linda Nur Afifa,S.T.,M.T.,
Uncontrolled Keywords: Prediksi Kelulusan, Support Vector Machine, Decision Tree, Data Mining, Confusion Matrix
Subjects: 000 Generalities/Karya Umum > 005.1 Programming/Pemrograman
Divisions: Fakultas Teknik > Teknik Informatika
Depositing User: Suwatno Suwatno Perpustakaan
Date Deposited: 20 Oct 2025 03:18
Last Modified: 20 Oct 2025 03:18
URI: http://repository.unsada.ac.id/id/eprint/9068

Actions (login required)

View Item View Item