KOMPARASI METODE KLASIFIKASI DATA MINING UNTUK PREDIKSI KELULUSAN MAHASISWA

Abdul Rohman, Muhammad Rochcham

Sari


Dalam perguruan tinggi, mahasiswa merupakan komponen sangat penting dalam
penyelenggaraan pendidikan terutama dalam penilaian akreditasi perguruan tinggi.
Kelulusan mahasiswa yang tepat waktu merupakan tolak ukur keberhasilannya tujuan
pembelajaran di perguruan tinggi, maka perlu dilakukan analisis dan prediksi terhadap
data kelulusan mahasiswa. Banyak penelitian yang menganalis terhadap data
kelulusan mahasiswa dengan teknik data mining dengan objek yang berbeda-beda.
Dalam penelitian ini dilakukan perbandingan motede data mining yaitu algoritma
neural network, k-nearest neighbor dan Decision Tree yang diaplikasikan pada data
kelulusan mahasiswa. Dari hasil pengujian dengan mengukur kinerja ketiga metode
tersebut menggunakan cross validation, confusion matrix dan kurva ROC, diketahui
bahwa neural network memiliki nilai akurasi yang paling tinggi yakni sebesar 87,32%,
diikuti oleh metode algoritma Decision Tree dengan nilai akurasi 83.57%, kemudian
metode k-nearest neighbor dengan akurasi 83,66%. Nilai AUC untuk metode neural
network menunjukan nilai tertinggi yakni 0,917 dan yang terendah adalah metode Decision
Tree yaitu 0,844.
Kata Kunci
Data Mining, Mahasiswa, algoritma neural network, k-nearest neighbord, Decision Tree




DOI: http://dx.doi.org/10.32132/neoteknika.v5i1.1379

DOI (PDF (English)): http://dx.doi.org/10.32132/neoteknika.v5i1.1379.g1346

DOI (PDF (English)): http://dx.doi.org/10.32132/neoteknika.v5i1.1379.g1346

Refbacks

  • Saat ini tidak ada refbacks.