Anggun, Mardiasni (2020) SISTEM KLASIFIKASI DAN PREDIKSI LAMA STUDI MAHASISWA SISTEM INFORMASI UNIVERSITAS ANDALAS MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK (ANN) BACKPROPAGATION. Diploma thesis, Universitas Andalas.
|
Text (Cover dan Abstrak)
Cover-Abstrak-1511522021-dikonversi.pdf - Published Version Download (57kB) | Preview |
|
|
Text (BAB I)
BAB I- 1511522021-dikonversi.pdf - Published Version Download (55kB) | Preview |
|
|
Text (BAB AKHIR)
BAB V- 1511522021-dikonversi.pdf - Published Version Download (37kB) | Preview |
|
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka- 1511522021-dikonversi.pdf - Published Version Download (113kB) | Preview |
|
Text (SKRIPSI FULL TEXT)
TA_Anggun_1511522021_WATERMARK UPLOAD-dikonversi.pdf - Published Version Restricted to Repository staff only Download (3MB) |
Abstract
Lama studi merupakan masa yang ditempuh mahasiswa untuk menamatkan studinya. Lama studi terdiri dari 2 kategori, tepat waktu dan terlambat. Mahasiswa dikatakan lulus tepat waktu apabila mampu menyelesaikan studinya selama delapan semester atau empat tahun, sedangkan lebih dari delapan semester atau empat tahun dikategorikan terlambat. Mahasiswa Jurusan Sistem Informasi Universitas Andalas hanya lulus tepat waktu sekitar 9,7% dari total alumni secara keseluruhan berdasarkan data alumni yang telah menamatkan studinya terhitung sejak awal periode wisuda pertama sampai Februari 2019. Hal ini mengakibatkan jumlah mahasiswa menumpuk sehingga menambah beban jurusan dalam hal memberikan pelayanan kepada mahasiswa. Selain itu, masih banyaknya beban kuliah dan dalam mengerjakan tugas akhir memakan waktu yang lama menyebabkan mahasiswa sistem informasi terlambat untuk menyelesaikan studinya. Untuk meminimalisir permasalahan tersebut, maka perlu dilakukan pengecekan lama studi mahasiswa sejak awal. Pengecekan dapat dilakukan dengan membangun sebuah sistem klasifikasi dan prediksi lama studi sebagai media untuk pemantauan dan evaluasi bagi jurusan. Sistem dibangun menggunakan bahasa PHP dengan framework Laravel dengan mengimplementasi model yang didapatkan dari training data menggunakan metode klasifikasi dengan algoritma Artificial Neural Network (ANN) Backpropagation menggunakan Rapidminer. Klasifikasi dikategorikan kedalam 2 kelas, yaitu tepat waktu dan terlambat. Atribut yang digunakan sebagai penentu lama studi yaitu IPK, penghasilan orang tua dan asal daerah sekolah. Tingkat keakurasian yang didapatkan saat training data sebesar 92,29%. Hasil uji sistem memiliki tingkat keakurasian 86,26% pada data training. Hal ini menandakan bahwa sistem memiliki performa yang bagus dan atribut yang digunakan diasumsikan memiliki pengaruh yang besar terhadap lama studi mahasiswa.
Item Type: | Thesis (Diploma) |
---|---|
Primary Supervisor: | Husnil Kamil, M.T |
Uncontrolled Keywords: | Lama studi, Klasifikasi, Artificial Neural Network, Backpropagation |
Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software |
Divisions: | Fakultas Teknologi Informasi > Sistem Informasi |
Depositing User: | s1 sistem informasi |
Date Deposited: | 29 Jan 2020 14:57 |
Last Modified: | 29 Jan 2020 14:57 |
URI: | http://scholar.unand.ac.id/id/eprint/57030 |
Actions (login required)
View Item |