| dc.contributor.author | Oktofelix, Oktofelix | |
| dc.date.accessioned | 2025-02-13T06:36:15Z | |
| dc.date.available | 2025-02-13T06:36:15Z | |
| dc.date.issued | 2018 | |
| dc.identifier.uri | https://dspace.uc.ac.id/handle/123456789/7903 | |
| dc.description | The number of students who graduate on time can be improved by the quality of learning and academic services for students. Beside that, if the study completion time can be predicted, the handling of students will be more effective. The process to obtain systematic knowledge based on physical evidence is an explanation of predictions. One technique to mak e predictions can be done by means of data mining. This study tries to predict the graduation or length of a study of xyz University Informatics Engineering students. The web predicts the graduation of students using the naïve bayes algorithm with the help of the php - ml machine learning library. The data that is used are the data from 291 XYZ University of Informatics Engineering students from 2006 - 2013. Because many students in the second semester felt pick the wrong major, many surprises in the majors, do they did not feel comfortable in their environment, or despair with their subjects. The output of this study produces an application that can predict the duration of a study from Informatics Engineering students at the University of Xyz using the Naive Ba yes method. The biggest accuracy test results obtained by the naïve bayes method are 0.4375 with algorithmma attributes programming, applied mathematics 1, introduction to information technology, entrepreneur 1, computer organization and architecture, and entrepreneur 2. | en_US |
| dc.description.abstract | Banyaknya mahasiswa yang lulus tepat waktu dapat di tingkatkan dengan ditingkatkannya kualitas pembelajaran dan layanan akademik untuk mahasiswa. Selain itu, jika waktu penyelesaian studi dapat diprediksi maka penanganan mahasiswa akan menjadi lebih efektif Proses kelimuan untuk mendapatkan pengetahuan yang sistematis berdasarkan dari bukti fisik merupakan penjelasan dari prediksi . Salah satu teknik melakukan prediksi yang dapat dilakukan dengan cara data mining atau penggalian data. Penelitian ini mencoba memprediksi kelulusan atau lama studi mahasiswa Teknik Informatika Universitas xyz. Web prediksi kelulusan mahasiswa ini menggunakan algoritma naïve bayes dengan bantuan library machine learnin g php - ml. Data yang digunakan merupakan data dari 291 mahasiswa Teknik Informatika Universitas XYZ angkatan 2006 - 2013. Karena banyak mahasiswa pada semester dua merasa salah jurusan, banyak kejutan pada bidang jurusan, tidak betah pada lingkungannya, maupu n putus asa dengan mata kuliahnya. Output dari penelitian ini menghasilkan aplikasi yang dapat memprediksi lama studi mahasiswa Teknik Informatika pada Universitas xyz menggunakan metode Naive Bayes . Hasil pengujian akurasi terbesar yang didapat dengan me tode naïve bayes adalah sebesar 0,4375 dengan atribut algorithma programming, applied mathematics 1, introduction to information technology, Entrepreneur 1, computer organization and architecture, dan Entrepreneur 2. | en_US |
| dc.language.iso | id | en_US |
| dc.publisher | Universitas Ciputra | en_US |
| dc.subject | Naive Bayes | en_US |
| dc.subject | php-ml | en_US |
| dc.subject | prediksi | en_US |
| dc.subject | mining | en_US |
| dc.subject | data mining | en_US |
| dc.subject | prediction | en_US |
| dc.title | PREDIKSI LAMA STUDI MAHASISWA TEKNIK INFORMATIKA UNIVERSITAS XYZ MENGGUNAKAN NAIVE BAYES | en_US |
| dc.type | Thesis | en_US |
| dc.identifier.nidn | 6014590 | |
| dc.identifier.kodeprodi | 55201 | |
| dc.identifier.nim | 20412030 | |
| dc.identifier.dosenpembimbing | CITRA LESTARI | |
