PREDIKSI INDEKS PRESTASI SEMESTER (IPS) MAHASISWA PENDIDIKAN TEKNIK INFORMATIKA DAN KOMPUTER UNIVERSITAS NEGERI JAKARTA SELAMA PEMBELAJARAN DARING MENGGUNAKAN ALGORITMA NAIVE BAYES

MIFTAHUL JANNAH, . (2023) PREDIKSI INDEKS PRESTASI SEMESTER (IPS) MAHASISWA PENDIDIKAN TEKNIK INFORMATIKA DAN KOMPUTER UNIVERSITAS NEGERI JAKARTA SELAMA PEMBELAJARAN DARING MENGGUNAKAN ALGORITMA NAIVE BAYES. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (2MB)
	Text BAB 1.pdf Download (221kB)
	Text BAB 2.pdf Restricted to Registered users only Download (383kB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (271kB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (140kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (227kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (548kB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengetahui performa model prediksi dengan menggunakan teknik klasifikasi data mining dalam memprediksi Indeks Prestasi Semester (IPS) mahasiswa Pendidikan Teknik Informatika dan Komputer Universitas Negeri Jakarta selama melaksanakan pembelajaran daring sehingga dapat bermanfaat bagi mahasiswa dan perguruan tinggi dalam merencanakan strategi pembelajaran yang baik pada semester berikutnya. Atribut yang digunakan dalam penelitian ini adalah aspek psikologis dan beberapa atribut lainnya yang mempengaruhi prestasi akademik mahasiswa dalam melaksanakan pembelajaran daring. Prediksi akan menggunakan algoritma Naive Bayes karena merupakan algoritma klasifikasi yang sering digunakan dalam melakukan prediksi. Dataset yang digunakan pada penelitian ini diperoleh dari pengumpulan kuesioner terhadap mahasiswa Pendidikan Teknik Informatika dan Komputer Universitas Negeri Jakarta angkatan 2020 dan 2021. Jumlah data yang diperoleh adalah sebanyak 155 record dengan 13 (tiga belas) atribut dengan rincian 1 (satu) atribut ID yaitu NIM, 11 (sebelas) atribut reguler yaitu jenis kelamin, jalur masuk, fasilitas smartphone, kondisi jaringan di daerahnya, aplikasi daring yang disukai, minat belajar saat pembelajaran daring, sikap belajar, kreativitas belajar, dukungan orang tua, kelompok belajar (diskusi online), dan kegiatan lain di luar perkuliahan selama pembelajaran daring, serta 1 (satu) atribut label kelas yaitu Indeks Prestasi Semester mahasiswa di semester 117. Penelitian ini memperoleh evaluasi kinerja algoritma dengan pengujian menggunakan confusion matrix dan kurva ROC (Receiver Operating Characteristic) menggunakan tools RapidMiner. Hasil evaluasi confusion matrix yaitu accuracy sebesar 75 %, precision sebesar 28,33 %, dan recall sebesar 26,43 %. Sedangkan evaluasi dengan menggunakan kurva ROC menghasilkan nilai AUC sebesar 0,679 yang dikategorikan sebagai klasifikasi yang buruk. Penelitian ini juga menerapkan teknik penyeimbang data SMOTE guna menghasilkan data yang seimbang sehingga dapat dihasilkan akurasi yang lebih baik. Hasil evaluasi yang diperoleh dengan confusion matrix menghasilkan accuracy sebesar 88,46 %, precision sebesar 57,43 %, dan recall sebesar 52,14 %. Sedangkan evaluasi kurva ROC dengan SMOTE menghasilkan nilai AUC sebesar 0,809 yang dikategorikan sebagai klasifikasi yang baik. ***** This study aims to determine the performance of the prediction model using data mining classification techniques in predicting the Semester Grade Point Average (GPA) of Informatics and Computer Engineering Education students at Jakarta State University while carrying out online learning so that it can be useful for students and universities in planning good learning strategies in the next semester. The attributes used in this study are psychological aspects and several other attributes that affect students' academic achievement in carrying out online learning. The prediction will use the Naive Bayes algorithm because it is a classification algorithm that is often used in making predictions. Dataset used in this study was obtained from collecting questionnaires from Informatics and Computer Engineering Education students at Jakarta State University class of 2020 and 2021. The total data obtained was 155 records with 13 (thirteen) attributes with details of 1 (one) ID attribute, namely NIM, 11 (eleven) regular attributes, namely gender, university entrance selection, smartphone facilities, network conditions in the area, preferred online applications, interest in learning when online learning, learning attitudes, learning creativity, parental support, study groups (online discussion) , and other activities outside of lectures during online learning, as well as 1 (one) class label attribute, namely the Semester Grade Point Average (GPA) for students in semester 117. This study obtained an algorithm performance evaluation by testing using the confusion matrix and the ROC (Receiver Operating Characteristic) curve using RapidMiner tools. The results of the evaluation of the confusion matrix are accuracy of 75%, precision of 28.33%, and recall of 26.43%. The evaluation using the ROC curve produces an AUC value of 0.679 which is categorized as a bad classification. This study also applies the SMOTE data balancing technique to produce balanced data so that better accuracy can be produced. The evaluation results obtained with the confusion matrix produce an accuracy of 88.46%, a precision of 57.43%, and a recall of 52.14%. Meanwhile, the evaluation of the ROC curve with SMOTE produced an AUC value of 0.809 which was categorized as a good classification.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dr. Widodo, S.Kom, M.Kom. ; 2). Hamidillah Ajie, S.Si, M.T.
Subjects:	Pendidikan > Aneka Ragam tentang Pendidikan Teknologi dan Ilmu Terapan > Teknik Komputer
Divisions:	FT > S1 Pendidikan Teknik Informatika Komputer
Depositing User:	Users 19045 not found.
Date Deposited:	28 Aug 2023 02:30
Last Modified:	28 Aug 2023 02:30
URI:	http://repository.unj.ac.id/id/eprint/39819

Actions (login required)

View Item