Skripsi

PENERAPAN ATTRIBUTE DEPENDENCY DAN ATTRIBUTE ANALYSIS UNTUK PEMILIHAN FITUR PADA PREDIKSI KEBERHASILAN AKADEMIK MAHASISWA MENGGUNAKAN METODE KLASIFIKASI

---

Penilaian

---

Pendidikan memegang peranan yang sangat penting dalam pembangunan sumber daya manusia yang berkualitas di suatu negara. Hal ini salah satunya ditandai dengan keberhasilan mahasiswa dalam menempuh pendidikannya. Kemampuan untuk memprediksi keberhasilan akademik mahasiswa akan menciptakan peluang untuk meningkatkan hasil pendidikan, sehingga perlu diprediksi supaya perguruan tinggi dapat mengambil kebijakan akademik dengan lebih akurat dan efisien. Salah satu metode yang dapat digunakan untuk melakukan prediksi adalah klasifikasi yang ada dalam data mining. Prediksi keberhasilan akademik mahasiswa dilakukan dengan membuat suatu model prediksi yang dihasilkan oleh classifier dengan menggunakan dataset pendidikan yang dimiliki oleh perguruan tinggi. Tujuannya adalah untuk mendapatkan informasi/pengetahuan maupun manfaat lain dari dataset tersebut terutama hasil prediksi mahasiswa yang beresiko mengalami kegagalan akademik. Kinerja dari model yang dihasilkan sangat menentukan informasi yang diperoleh oleh perguruan tinggi untuk digunakan lebih lanjut. Dari tiga jenis fitur yang ada dalam suatu dataset, hanya fitur relevan yang harus diseleksi, sedangkan fitur yang redundant dan irrelevant harus dieliminasi karena mempengaruhi kinerja dari model prediksi yang dihasilkan menjadi tidak optimal. vii Universitas Sriwijaya Teknik yang digunakan untuk menyeleksi dan mengeliminasi fitur tanpa menghilangkan informasi penting yang terkandung di dataset yang berdampak terhadap meningkatnya kinerja dari model prediksi yang dihasilkan adalah fitur subset selection/feature subset selection atau yang lebih umum dikenal dengan nama feature selection. Dalam prediksi keberhasilan mahasiswa, filter-based feature selection merupakan salah satu pendekatan feature selection yang umum digunakan bersamaan dengan metode klasifikasi. Pendekatan ini memiliki keunggulan dalam hal computational cost yang rendah namun perlu peningkatan pada proses pemilihan fitur untuk mendapatkan fitur terseleksi yang bebas dari fitur redundant dan irrelevant. Masalah ini dapat diatasi dengan menggunakan teknik attribute dependency dan attribute analysis yang memiliki kemampuan untuk menentukan fitur tersebut melalui pengukuran ketergantungan dan jenis fitur secara cepat. Hasilnya adalah fitur terseleksi terbaik yang dengan kombinasi metode klasifikasi yang tepat, mampu meningkatkan kinerja model prediksi.

---

Availability

Inventory Code	Barcode	Call Number	Location	Status
2307006516	T131505	T1315052023	Central Library (Referens)	Available

Detail Information

Series Title

-

Call Number

T1315052023

Publisher

Palembang : Prodi Ilmu Teknik Program Dokter, Fakultas Teknik Universitas Sriwijaya., 2023

Collation

xv, 105 hlm.; ilus.; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

621.390 7

Content Type

Text

Media Type

unmediated

Carrier Type

-

Edition

-

Subject(s)

Prodi Ilmu Teknik Program Dokter
Teknik Komputer-Informatika

Specific Detail Info

-

Statement of Responsibility

MURZ

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment