Aplikasi Implementasi Teknik " Data Mining " Dengan Menggunakan Algoritma Naive Bayes Classifier Untuk Memprediksi Kelulusan Mahasiswa Sistem Informasi Unikom Strata 1

Fadillah, Ryan (2019) Aplikasi Implementasi Teknik " Data Mining " Dengan Menggunakan Algoritma Naive Bayes Classifier Untuk Memprediksi Kelulusan Mahasiswa Sistem Informasi Unikom Strata 1. Other thesis, Universitas Komputer Indonesia.

[img]
Preview
Text
UNIKOM_Ryan Fadillah_Cover.pdf - Published Version

Download (52kB) | Preview
[img]
Preview
Text
UNIKOM_Ryan Fadillah_Lembar Pengesahan.pdf - Published Version

Download (504kB) | Preview
[img]
Preview
Text
UNIKOM_Ryan Fadillah_Surat Publikasi.pdf - Published Version

Download (526kB) | Preview
[img]
Preview
Text
UNIKOM_Ryan Fadillah_Lembar Pernyataan Keaslian.pdf - Published Version

Download (676kB) | Preview
[img]
Preview
Text
UNIKOM_Ryan Fadillah_Kata Pengantar.pdf - Published Version

Download (41kB) | Preview
[img]
Preview
Text
UNIKOM_Ryan Fadillah_Daftar Isi.pdf - Published Version

Download (45kB) | Preview
[img]
Preview
Text
UNIKOM_Ryan Fadillah_BAB I.pdf - Published Version

Download (75kB) | Preview
[img] Text
UNIKOM_Ryan Fadillah_BAB II.pdf - Published Version
Restricted to Repository staff only

Download (158kB) | Request a copy
[img] Text
UNIKOM_Ryan Fadillah_BAB III.pdf - Published Version
Restricted to Repository staff only

Download (448kB) | Request a copy
[img] Text
UNIKOM_Ryan Fadillah_BAB IV.pdf - Published Version
Restricted to Repository staff only

Download (2MB) | Request a copy
[img]
Preview
Text
UNIKOM_Ryan Fadillah_BAB V.pdf - Published Version

Download (38kB) | Preview
[img]
Preview
Text
UNIKOM_Ryan Fadillah_Daftar Pustaka.pdf - Published Version

Download (33kB) | Preview
[img]
Preview
Text
10514112_Ryan Fadillah_Turnitin_3.pdf - Published Version

Download (193kB) | Preview
Official URL: http://elibrary.unikom.ac.id

Abstract

UNIKOM merupakan salah satu dari ribuan perusahaan swasta di indonesia yang berbisnis di dalam bidang perguruan tinggi, setiap perguruan tinggi memiliki pencapaian bisnis salah satunya adalah menghasilkan sumber daya manusia yang memenuhi kebutuhan posisi kerja di perusahaan – perusahaan, di dalam mendapatkan pencapaian tersebut terdapat beberapa hal – hal yang mempengaruhi pencapaian tersebut, salah satunya adalah penilaian mutu akademik yang dilakukan oleh lembaga pemerintah BAN – PT yang disebut sebagai akreditasi. Di dalam penilaian akreditasi terdapat penilaian mutu perguruan tinggi akan menghasilkan wisudawan yang lulus <= 4 tahun atau disebut lulus tepat waktu, suatu perguruan tinggi akan diberi nilai 4 dalam penilaian wisudawan jika data wisudawan dari suatu jurusan perguruan tinggi memiliki total data wisudawan >=50 % yang lulus tepat waktu, jika UNIKOM memiliki nilai akreditasi yang rendah, maka hal itu akan mengakibatkan kurangnya peminat masuknya mahasiswa baru, kurangnya penerimaan pekerjaan dari suatu perusahaan yang lulus dari UNIKOM, hal ini menurunkan pencapaian bisnis UNIKOM. Dalam mengatasi hal ini salah satu dapat dilakukan suatu pencegahan terdahap mahasiswa yang masih studi, suatu pencegahan yang berasal dari suatu prediksi peluang kelulusan mahasiswa yang masih studi, dengan menggunakan teknik data mining dan menggunakan algoritma naïve bayes classifier, yang menghasilkan suatu prediksi peluang kelulusan mahasiswa berdasarkan 10 matakuliah yang menjadi parameter perhitungan, pencegahan ini bertujuan untuk menemukan matakuliah yang memiliki pengaruh besar akan kelulusan mahasiswa, dari hasil pencegahan ini UNIKOM dapat mengambil langkah perubahan untuk mendapatkan pencapaian bisnis.

Item Type: Thesis (Other)
Uncontrolled Keywords: Data Mining, Naïve Bayes Classifier, Prediksi Peluang Kelulusan Mahasiswa.
Subjects: 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data
Divisions: S1_SKRIPSI > FTIK_Sistem Informasi (05)
Depositing User: Mrs. Calis Maryani
Date Deposited: 02 Aug 2019 03:23
Last Modified: 02 Aug 2019 03:23
URI: http://elibrary.unikom.ac.id/id/eprint/647

Actions (login required)

View Item View Item