UMM Institutional Repository

Implementasi Teknik Data Mining untuk Evaluasi Kinerja Mahasiswa Berdasarkan Data Akademik

Marthasari, Gita Indah (2017) Implementasi Teknik Data Mining untuk Evaluasi Kinerja Mahasiswa Berdasarkan Data Akademik. Fountain of Informatics Journal, 2 (2). pp. 20-27. ISSN 2548-5113

[img]
Preview
Text
Peer Review - Marthasari - Apriori simple expectation maximization data mining WEKA.pdf - Published Version

Download (425kB) | Preview
[img]
Preview
Text
Similarity - Marthasari - Apriori simple expectation maximization data mining WEKA.pdf - Published Version

Download (3MB) | Preview
[img]
Preview
Text
Marthasari - Apriori simple expectation maximization data mining WEKA.pdf - Published Version

Download (454kB) | Preview

Abstract

Salah satu indikator efisiensi perguruan tinggi adalah masa studi mahasiswa. Masa studi merupakan salah satu indikator penting dan menjadi salah satu komponen penilaian dalam akreditasi program studi. Penting bagi pengelola program studi untuk meningkatkan rasio mahasiswa yang lulus tepat waktu. Penelitian ini bertujuan menganalisis karakteristik yang mempengaruhi masa studi mahasiswa dari data akademik. Metode yang digunakan adalah association rule mining (ARM) dan clustering. Sebuah framework analisis berbasis ARM dan clustering diusulkan dalam penelitian ini. Metode ARM merupakan sebuah metode untuk menemukan aturan-aturan asosiasi yang memenuhi nilai minimum support dan minimum confidence. Algoritma yang digunakan adalah Apriori. Sedangkan clustering menggunakan algoritma Simple Expectation-Maximization (EM-clustering). Simple EM adalah algoritma berbasis model yang mencari nilai maximum likelihood estimation dalam model probabilitas. Variabel yang dianalisis adalah indeks prestasi mahasiswa, provinsi asal, dan asal sekolah. Analisis dilakukan penggunakan perangkat lunak WEKA. Penelitian dimulai dengan pengumpulan data dari sumber primer yaitu Biro Administrasi Akademik (BAA) Universitas Muhammadiyah Malang (UMM). Langkah selanjutnya adalah pembersihan dan transformasi data. Selanjutnya, dilakukan pencarian aturan menggunakan algoritma Apriori. Parameter yang diatur adalah nilai minimum support dan minimum confidence. Berikutnya dilakukan analisis cluster menggunakan Simple EM. Uji coba dilakukan untuk menemukan hasil clustering dengan nilai log likelihood terbesar. Berdasarkan pengujian, metode yang digunakan berhasil menggambarkan karakteristik berdasarkan masa studi.

Item Type: Article
Uncontrolled Keywords: masa studi; algoritma aprior, algoritma simple expectation maximization, data mining untuk pendidikan, WEKA
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions: Faculty of Engineering > Department of Informatics Engineering
Depositing User: CKO Repository
Date Deposited: 04 Apr 2018 05:35
Last Modified: 21 Aug 2018 02:48
URI : http://eprints.umm.ac.id/id/eprint/36338

Actions (login required)

View Item View Item
UMM Official

© 2008 UMM Library. All Rights Reserved.
Jl. Raya Tlogomas No 246 Malang East Java Indonesia - Phone +62341464318 ext. 150, 151 - Fax +62341464101
E-Mail : infopus[at]umm.ac.id - Website : http://lib.umm.ac.id - Online Catalog : http://laser.umm.ac.id - Repository : http://eprints.umm.ac.id

Web Analytics

UMM Institutional Repository is powered by :
EPrints Logo