PERBANDINGAN REGRESI LOGISTIK BINER DAN NAIVE BAYES CLASSIFIER PADA KLASIFIKASI KETEPATAN WAKTU KELULUSAN MAHASISWA

Nidya, Aurellia Elfis (2021) PERBANDINGAN REGRESI LOGISTIK BINER DAN NAIVE BAYES CLASSIFIER PADA KLASIFIKASI KETEPATAN WAKTU KELULUSAN MAHASISWA. Diploma thesis, Universitas Andalas.

[img]
Preview
Text (Cover & Abstrak)
Cover & Abstrak.pdf - Published Version

Download (1MB) | Preview
[img]
Preview
Text (BAB I)
BAB I.pdf - Published Version

Download (136kB) | Preview
[img]
Preview
Text (Penutup)
Penutup.pdf - Published Version

Download (151kB) | Preview
[img]
Preview
Text (Daftar Pustaka)
Daftar Pustaka.pdf - Published Version

Download (135kB) | Preview
[img] Text (Skripsi Nidya Aurellia Elfis Full)
Skripsi Nidya Aurellia Elfis Full.pdf - Published Version
Restricted to Repository staff only

Download (3MB)

Abstract

Perguruan tinggi merupakan lembaga pendidikan tertinggi, dimana suatu perguruan tinggi diharuskan untuk menyelenggarakan pendidikan yang berkualitas bagi mahasiswa. Kualitas suatu perguruan tinggi dapat dilihat dari tingkat kelulusan mahasiswanya, maka dari itu memerhatikan jumlah kelulusan mahasiswa menjadi hal penting bagi suatu perguruan tinggi. Mahasiswa dinyatakan lulus tepat waktu jika menyelesaikan studi kurang atau sama dengan 4 tahun. Terdapat beberapa faktor yang diduga mempengaruhi ketepatan waktu kelulusan mahasiswa yaitu jenis kelamin, asal daerah, jenis sekolah, IPK dan jalur masuk. Dimana, faktor-faktor tersebut dapat diduga dengan dua metode yaitu metode regesi logistik biner dan metode Naive Bayes Classifier. Pada akhirnya kedua metode tersebut akan dibandingkan untuk melihat nilai akurasi mana yang lebih tinggi. Data yang digunakan dalam penelitian ini adalah data akademik dari lulusan Jurusan Matematika Universitas Andalas dari tahun angkatan 2013-2015 dengan jumlah data sebanyak 265 data. Hasil penelitian menunjukan bahwa metode regresi logistik biner memperoleh nilai akurasi sebesar 68,5% pada data training dan 85% pada data testing sedangkan pada metode Naive Bayes Classifier diperoleh nilai akurasi sebesar 68,5% pada data training dan sebesar 86,5% pada data testing. Hal ini dapat disimpulkan bahwa metode Naive Bayes Classifier lebih baik dalam pengklasifian ketepatan waktu kelulusan mahasiswa dibandingkan dengan metode regresi logistik biner.

Item Type: Thesis (Diploma)
Primary Supervisor: Dr. Dodi Devianto
Uncontrolled Keywords: Perguruan Tinggi, Kelulusan, Mahaisiswa, Regresi Logistik Biner, Naive Bayes Classifier.
Subjects: Q Science > QA Mathematics
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika
Depositing User: s1 matematika matematika
Date Deposited: 26 Jan 2022 04:27
Last Modified: 26 Jan 2022 04:27
URI: http://scholar.unand.ac.id/id/eprint/97796

Actions (login required)

View Item View Item