PENERAPAN ATTRIBUTE DEPENDENCY DAN ATTRIBUTE ANALYSIS UNTUK PEMILIHAN FITUR PADA PREDIKSI KEBERHASILAN AKADEMIK MAHASISWA MENGGUNAKAN METODE KLASIFIKASI

DAFID, DAFID and Ermatita, Ermatita and Samsuryadi, Samsuryadi (2023) PENERAPAN ATTRIBUTE DEPENDENCY DAN ATTRIBUTE ANALYSIS UNTUK PEMILIHAN FITUR PADA PREDIKSI KEBERHASILAN AKADEMIK MAHASISWA MENGGUNAKAN METODE KLASIFIKASI. Undergraduate thesis, Sriwijaya University.

	Text RAMA_21001_03013622025009.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (4MB) | Request a copy
	Text RAMA_21001_03013622025009_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (18MB) | Request a copy
	Text RAMA_21001_03013622025009_0013096707_0004027101_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (2MB)
	Text RAMA_21001_03013622025009_0013096707_0004027101_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (533kB) | Request a copy
	Text RAMA_21001_03013622025009_0013096707_0004027101_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (383kB) | Request a copy
	Text RAMA_21001_03013622025009_0013096707_0004027101_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (230kB) | Request a copy
	Text RAMA_21001_03013622025009_0013096707_0004027101_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (382kB) | Request a copy
	Text RAMA_21001_03013622025009_0013096707_0004027101_06.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (588kB) | Request a copy
	Text RAMA_21001_03013622025009_0013096707_0004027101_07.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (252kB) | Request a copy
	Text RAMA_21001_03013622025009_0013096707_0004027101_08_ref.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (192kB) | Request a copy
	Text RAMA_21001_03013622025009_0013096707_0004027101_09_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy

Abstract

Pendidikan memegang peranan yang sangat penting dalam pembangunan sumber daya manusia yang berkualitas di suatu negara. Hal ini salah satunya ditandai dengan keberhasilan mahasiswa dalam menempuh pendidikannya. Kemampuan untuk memprediksi keberhasilan akademik mahasiswa akan menciptakan peluang untuk meningkatkan hasil pendidikan, sehingga perlu diprediksi supaya perguruan tinggi dapat mengambil kebijakan akademik dengan lebih akurat dan efisien. Salah satu metode yang dapat digunakan untuk melakukan prediksi adalah klasifikasi yang ada dalam data mining. Prediksi keberhasilan akademik mahasiswa dilakukan dengan membuat suatu model prediksi yang dihasilkan oleh classifier dengan menggunakan dataset pendidikan yang dimiliki oleh perguruan tinggi. Tujuannya adalah untuk mendapatkan informasi/pengetahuan maupun manfaat lain dari dataset tersebut terutama hasil prediksi mahasiswa yang beresiko mengalami kegagalan akademik. Kinerja dari model yang dihasilkan sangat menentukan informasi yang diperoleh oleh perguruan tinggi untuk digunakan lebih lanjut. Dari tiga jenis fitur yang ada dalam suatu dataset, hanya fitur relevan yang harus diseleksi, sedangkan fitur yang redundant dan irrelevant harus dieliminasi karena mempengaruhi kinerja dari model prediksi yang dihasilkan menjadi tidak optimal. vii Universitas Sriwijaya Teknik yang digunakan untuk menyeleksi dan mengeliminasi fitur tanpa menghilangkan informasi penting yang terkandung di dataset yang berdampak terhadap meningkatnya kinerja dari model prediksi yang dihasilkan adalah fitur subset selection/feature subset selection atau yang lebih umum dikenal dengan nama feature selection. Dalam prediksi keberhasilan mahasiswa, filter-based feature selection merupakan salah satu pendekatan feature selection yang umum digunakan bersamaan dengan metode klasifikasi. Pendekatan ini memiliki keunggulan dalam hal computational cost yang rendah namun perlu peningkatan pada proses pemilihan fitur untuk mendapatkan fitur terseleksi yang bebas dari fitur redundant dan irrelevant. Masalah ini dapat diatasi dengan menggunakan teknik attribute dependency dan attribute analysis yang memiliki kemampuan untuk menentukan fitur tersebut melalui pengukuran ketergantungan dan jenis fitur secara cepat. Hasilnya adalah fitur terseleksi terbaik yang dengan kombinasi metode klasifikasi yang tepat, mampu meningkatkan kinerja model prediksi.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Keberhasilan Akademik, Prediksi, Klasifikasi, Feature Selection, Attribute Dependency, Attribute Analysis
Subjects:	T Technology > T Technology (General) > T58.5-58.64 Information technology > T58.5 General works Management information systems Cf. HD30.213 Industrial management Cf. HF5549.5.C6+ Communication in personnel management Cf. TS158.6 Automatic data collection systems (Production control)
Divisions:	03-Faculty of Engineering > 21001-Engineering Science (S3)
Depositing User:	Dafid Dafid
Date Deposited:	29 Nov 2023 09:16
Last Modified:	29 Nov 2023 09:16
URI:	http://repository.unsri.ac.id/id/eprint/131505

Actions (login required)

View Item