Revisi Proposal Metlit - Ivan Maulana FM - 20416255201109 - If20c
Revisi Proposal Metlit - Ivan Maulana FM - 20416255201109 - If20c
PROPOSAL PENELITIAN
Oleh :
IVAN MAULANA FARAJMUHADZIB
NIM : 20416255201109
LAMPIRAN ..................................................................................................................23
i
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN
ii
BAB 1
PENDAHULUAN
3
berupa memprediksi tingkat kelulusan mahasiswa yang diteliti oleh (Yogiek Indra
Kurniawan, 2018). Proses pada penelitian tersebut melalui tahap pengumpulan data dan
seleksi data. Hasil yang didapat berupa atribut-atribut yang menghasilkan nilai IPK dan
nilai kehadiran.
1.2. Rumusan Masalah
1. Bagaimana mengimplementasikan Algoritma Naive Bayes dalam menentukan tingkat
kelulusan mahasiswa ?
2. Bagaimana tingkat akurasi metode Algoritma Naive Bayes dalam menentukan kelulusan
mahasiswa ?
1.3. Tujuan Penelitian
4
BAB II
TINJAUAN PUSTAKA
2.1. Pendidikan Tinggi
5
depan atau menuju jenjang yang lebih tinggi (Muslimah, Trismanto, Gurendi Wiwoho,
2020).
6
P(Y │X)=P(Y)ᴨ P(Xᵢ│Y)
7
3. “Analisa Prestasi Siswa 1. Metode Algoritma Naive Hasil dari 100 data
Berdasarkan Kedisiplinan, Bayes yang didapat adalah
Nilai Hasil Hadir, Sosial 2. Cross Validation sekitar 66 data
Ekonomi, dan Aktivitas 3. Confusion Matrix dinyatakan lulus sesuai
Organisasi Menggunakan prediksi, 44
Algoritma Naive Bayes” diperkirakan lulus
(Devi Yunita, Resti Amalia, namun ternyata tidak
dan Perani Rosyani, 2018). lulus, 23 data tidak
lulus sesuai dengan
prediksi, dan 7
diperkirakan tidak lulus
namun hasil prediksi
menyatakan lulus.
4. “Perbandingan Metode 1. Algoritma C4.5 Hasil dari perbandingan
Data Mining Untuk 2. Support Vector Machine semua metode,
Prediksi Nilai dan Waktu 3. Naive Bayes Algoritma Naive Bayes
Kelulusan Mahasiswa Prodi 4. K-Nearest Neighbor menjadi metode yang
Teknik Informatika Dengan paling akurat dibanding
Algoritma C4.5, Naive metode yang lain,
Bayes, KNN, dan SVM” (Sri akurasinya 76,79%
Widaningsih,. 2019) tingkat error hanya
23,1% dan AUC 0,850.
8
model artificial Neural
Network sebesar
71.48% dan akurasi
model artificial neural
network berbasis
algoritma genetika
sebesar 99.33% dengan
selisih akurasi 27,85%.
6. “Prediksi Tingkat Metode CRISP-DM ( Cross Dari penelitian yang
Kelulusan Mahasiswa Industry Standard Process For dilakukan dalam
Menggunakan Metode Data Mining) : memprediksi kelulusan
Hybrid” (Agus Bahtiar, 1. Pemahaman Bisnis mahasiswa dapat
Fadil Muhammad, Ghiftera, 2. Pemahaman Data meningkatkan nilai
2019) 3. Pengolahan Data akurasi sebesar 93,7%.
4. Pemodelan Kelemahannya yaitu
5. Evaluasi kurangnya jumlah
6. Penyebaran atribut dan dataset.
9
7. “Uji Performa Algoritma 1. Analisis Masalah Hasil yang didapat
Naive Bayes Untuk Prediksi 2. Mengumpulkan Data berupa 150 data
Masa Studi Mahasiswa” 3. Implementasi mahasiswa yang
(Irkham Widhi Saputro, 4. Pengujian diperkirakan lulus tidak
Bety Wulan Sari,. 2019) tepat waktu, namun ada
kesalahan dalam
prediksi sebanyak 45
data. 150 data
mahasiswa yang
diperkirakan lulus tepat
waktu, namun ada
kesalahan sekitar 51
data. Jadi
kesimpulannya nilai
akurasi Naive Bayes
sebanyak 65.3%.
10
Etriyanti, Dedy Syamsuar,
dan Yesi Novaria Kunang,
2020)
10. “Problematika Pendidikan Metode Analisis Adanya keberhasilan
Karakter Pendidikan pendidikan karakter,
Tinggi” (Dra. Ifham Choli, budaya dan akhlak di
MM. Mpd. 2020) dalam perguruan tinggi.
12
16. “Peran Strategis Public Metode Analisis data, Uji Strategi PR memiliki
Relation Dalam Kualitas Data, Uji Validitas peranan yang sangat
Pengembangan Reputasi Data, dan Uji Reabilitas Data. penting di dalam
Pendidikan Tinggi: Studi pengembangan reputasi
Kasus Promosi di Akademi pendidikan tinggi.
Farmasi Surabaya” (Abd
Syakur, Redi Panuju, 2020)
13
Asahar Johar, Andang, 3. Pilih titik centroid secara kredit semester dapat
2021) acak memprediksi data
4. Kelompokan data dengan ketepatan
sebesar 79.48%.
20. “Kelulusan Mahasiswa Metode Algoritma C5.0 dan Hasil dari perbandingan
Prediksi Menggunakan Regression Linear Antara C5.0 dan RL
Perbandingan Algoritma - Tinjauan Pustaka yaitu jika C5.0
C5.0 Dengan Regression - Analisis Data Mencapai 96,85%
Linear” (Falda Jumisman, 1. Data Processing (Training) dan 93,72%
Ribka Permatasari, 2. Data Transformation (Testing). Sedangkan
Marlince Novita, 2021) 3. Data Mining RL Mencapai 33.31%
- Uji Coba Data (Training) dan 40.30%
- Uji Sistem Pengolahan Data (Testing)
- Evaluasi Sistem
14
Kodratillah1, 2021), 2021) Bayes sebuah hasil bahwa
Pengujian Data nilai akurasinya adalah
- RapidMiner 76.25%.
23. “Model Prediksi Kelulusan Metode Algoritma C4.5 dan sebanyak 327 buah
Mahasiswa Menggunakan dibantu oleh Software Weka, data berhasil
DECISION TREE dan - Penentuan Kriteria apakah lulus diklasifikasikan
SOFTWARE WEKA” (Isnan tepat waktu atau terlambat dengan benar,
Mulia dan Muanas, 2021) - Penghapusan atribut sementara terdapat 121
- Pengubahan tipe data buah data yang
- dan yang terakhir adalah diklasifikasikan dengan
praproses data untuk salah. Secara
menentukan hasil. keseluruhan, akurasi
yang didapatkan untuk
model prediksi yang
telah dibangun adalah
73%. Hasil klasifikasi
ini dapat dikatakan
tidak cukup baik,
karena akurasi yang
didapatkan hanya
sekitar 70 persen.
15
25. “Prediksi Kelulusan Metode yang digunakan adalah Hasil penelitian yang
Mahasiswa Dengan Metode metode Naive Bayes. didapat yaitu :
Naïve Bayes” ( (Nurul, -akurasi 88,16%
2022) -precision 93,62%
-recall 88%
26. “Prediksi Kelulusan Metode yang digunakan yaitu Hasil yang didapat nilai
Mahasiswa Program penerapan algoritma dan accuracy sebesar
Pendidikan Multi Profesi 1 evaluasi model 90,85% dengan nilai
Tahun Dengan Metode data yang memiliki
Naïve Bayes” (Suhendra, kesalahan atau nilai
Hijrah, & Rahmat, 2022). rendah sebesar 9,15%.
16
28. “Analisis Tingkat Metode Algoritma K-Means Hasil yang didapat
Kelulusan Mahasiswa Di dengan beberapa langkah, yaitu : Berdasarkan data 58
Unisba Dengan 1. Menentukan jumlah cluster mahasiswa adalah 8
Menggunakan Algoritma 2. Menentukan nilai pusat awal lulus lebih cepat, 37
K-Means Clustering” cluster lulus tepat waktu, 13
(Ayunia Khaerunnisa, 3. Menempatkan setiap data ke belum lulus
2022) cluster terdekat
4. Pengelompokan objek
5. Menghitung pusat cluster
Clustering
29. “Prediksi Kelulusan Metode algoritma KNN dengan Hasil penerapan
Mahasiswa Menggunakan langkah-langkah sebagai berikut. algoritma K-Nearest
Algoritma K-Nearest 1. Menentukan nilai K Neighbor dalam
Neighbor Pada Program 2. Menghitung jarak prediksi kelulusan
Studi Sistem Informasi 3. Mengurutkan jarak mahasiswa Program
Universitas Riau” (Syafira 4. Menentukan jarak Studi Sistem Informasi
Natasha, Astried, 2022) Mencari jumlah kelas mayoritas Universitas Riau dapat
disimpulkan bahwa
atribut yang paling
dominan adalah IPK.
17
BAB III
METODOLOGI PENELITIAN
Jenis Status Umu Status IPS IPS IPS IPS IPS IPS IPS IPS IP Status
Kelami Mahasisw r Menika 1 2 3 4 5 6 7 8 K Kelulusa
n a h n
Pria Bekerja 28 Belum 2.76 2.8 3.2 3.17 2.98 3 3.03 2 2.8 Terlambat
7
Pria Mahasiswa 32 Belum 3 3.3 3.14 3.14 2.84 3.13 3.25 2 2.9 Terlambat
8
Wanita Bekerja 29 Belum 3.5 3.3 3.7 3.29 3.53 3.72 3.73 2 3.3 Terlambat
5
18
Pria Mahasiswa 27 Belum 3.17 3.41 3.61 3.36 3.48 3.63 3.46 2 3.2 Terlambat
7
Pria Bekerja 29 Belum 2.9 2.89 3.3 2.85 2.98 3 3.08 2 2.8 Terlambat
8
Pria Mahasiswa 27 Sudah 2.95 2.82 3.09 3.1 2.78 3.16 3.23 2 2.8 Terlambat
9
Pria Mahasiswa 26 Belum 2.76 3.14 2.6 2.95 3.23 3.33 3.3 3.3 3.0 Tepat
8
Wanita Bekerja 27 Sudah 2.62 2.89 2.32 2.5 2.5 2.86 3.05 2.5 2.6 Tepat
6
Pria Bekerja 25 Belum 3.6 3.54 3.52 3.39 3.52 3.68 3.15 2 3.3 Terlambat
0
Pria Bekerja 28 Belum 2.71 2.55 1.77 2.11 1.93 2.13 1.78 0.2 1.9 Terlambat
0
19
Peralatan penelitian digunakan untuk membantu peneliti dalam melakukan
penelitiannya, berikut peralatan pada penelitian ini menggunakan 2 perangkat yaitu
perangkat keras (Hardware) dan perangkat lunak (Software) :
1. Perangkat Keras ( Hardware )
a. Processor : AMD Athlon Silver 305OU 2.30GHz
b. Memory : 8.00 GB
c. Hardisk : 512 GB
2. Perangkat Lunak ( Software )
a. Sistem Operasi Windows 11
b. Google Collab
Pengumpulan Data
Penentuan Atribut
Analisis Data
20
Pengujian Data
Training
Selesai
21
DAFTAR PUSTAKA
22
SAULY, I. (2022). IMPLEMENTASI DATA MINING K-MEANS CLUSTERING, 1-293. Diambil kembali
dari http://repository.uin-suska.ac.id/id/eprint/61448
LAMPIRAN
23
Lampiran 1 Lembar Menilai Rekan Sejawat
24