OPTIMALISASI METODE NAIVE BAYES DAN DECISION TREE UNTUK MENENTUKAN PROGRAM STUDI BAGI CALON MAHASISWA BARU DENGAN PENDEKATAN UNSUPERVISED DISCRETIZATION

Eko Nugroho, Wildani Eko and Prihandoyo, M. Teguh (2021) OPTIMALISASI METODE NAIVE BAYES DAN DECISION TREE UNTUK MENENTUKAN PROGRAM STUDI BAGI CALON MAHASISWA BARU DENGAN PENDEKATAN UNSUPERVISED DISCRETIZATION. Diploma thesis, Politeknik Harapan Bersama.

Text (Wildani Eko Nugroho_Dosen.Kom_genap.21) Wildani eko nugroho_12013169_penelitian.pdf Download (3MB)

Abstract

Perguruan Tinggi merupakan tempat penyelenggara pendidikan yang bertujuan menghasilkan sumber daya manusia yang berkualitas dan mampu menghadapi persaingan kerja yang semakin ketat. Maka dari dalam proses rekrutmen atau proses penerimaan calon mahasiswa baru harus mempertimbangkan berbagai prosedur yang bertujuan untuk dapat mengarahkan calon mahasiswa baru dalam menentukan program studi yang akan ditempuh oleh calon mahasiswa baru. Adapun hal sudah ditembuh dalam proses penerimaan mahasiswa baru antara lain dari nilai hasil ujian nasional, nilai raport, nilai ujian sekolah dan nilah test penerimaan mahasiswa baru, serta proses penerimaan dari jalur prestasi dan bidik misi. Dari hal – hal tersebut harus ditingkatkan kinerjanya merupakan faktor penunjang agar proses transformasi keilmuan pendidikan kepada mahasiswa dapat dilakukan dengan baik. Tujuan dari penelitian ini adalah untuk mendapatkan klasifikasi dalam menentukan program studi calon mahasiswa baru dengan mengoptimalkan metode Naïve Bayes dan Decision Tree dengan Pendekatan Unsupervised Discretization, sebagai upaya dalam peningkatan sistem penjaminan mutu internal khususnya standar proses penerimaan mahasiswa baru dalam menentukan program studi pada Politeknik Harapan Bersama Tegal. Dimana dalam proses penerimaan mahasiswa baru ini telah dilakukan perencanaan, pelaksanaan, evaluasi, dan monitoring sebagai bentuk penerapan Sistem Penjamin Mutu Internal (SPMI). Dalam penelitian ini, data yang digunakan adalah data hasil penerimaan calon mahasiswa baru dari seluruh program studi. Data tersebut antara lain data kelengkapan administratif persyaratan calon mahasiswa baru, serta data nilai hasil test penerimaan mahasiswa baru. Data yang digunakan yakni data selama 1 tahun akademik 2019/2020. Dari data tersebut akan dilakukan training dan testing dengan menggunakan Rapidminer 9, maka akan didapatkan klasifikasi kinerja pengajaran dosen. Kata Kunci : Naive Bayes; Unsupervised Discretization; Decision Tree ; Klasifikasi; Minat;

Item Type:	Thesis (Diploma)
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Teknik > Diploma III Teknik Komputer
Depositing User:	Unnamed user with email perpustakaan@poltektegal.ac.id
Date Deposited:	29 Dec 2021 02:10
Last Modified:	29 Dec 2021 02:10
URI:	http://eprints.poltektegal.ac.id/id/eprint/984

Actions (login required)

View Item