Skripsi/Tugas Akhir

Penerapan Data Mining untuk Memprediksi Potensi Mahasiswa Drop Out Menggunakan Expectation Maximisation Algorithm

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Menurut statistik yang dihimpun dari Bidang Akademik Universitas Dipa Makassar Makassar menunjukkan bahwa terdapat 4383 mahasiswa terdaftar dalam rentang tahun 2015 sampai dengan 2019 dengan jumlah mahasiswa drop out sebesar 106 mahasiswa. Terdapat berbagai faktor yang menyebabkan mahasiswa dikenakan sanksi drop out. Hal ini dapat pula disebabkan karena kurangnya kebijakan dan tindakan dari Institusi pendidikan untuk menjaga mahasiswanya dari DO yang membutuhkan perhatian khusus dan mendalam. Pada penelitian ini faktor-faktor yang dijadikan sebagai acuan dalam penentuan mahasiswa drop out diantaranya status registrasi mahasiswa pada semester berjalan, lama studi mahasiswa, indeks prestasi kumulatif, jumlah SKS yang telah dilulusi, Expectation Maximization Algorithm digunakan yang sering digunakan untuk menemukan nilai estimasi Maximum Likelihood (ML) dari parameter dalam dari data mahasiswa drop untuk memprediksi data mahasiswa semester berjalan agar dapat diantisipasi mahasiswa yang berpotensi Drop Out. Hasil penlitian ini dapat memprediksi potensi mahasiswa. Drop Out atau Mahasiswa berpotensi Masa kuliah normal dengan akurasi 90.9%.
Kata Kunci: Drop Out, EMA, Data Mining

ABSTRACT
According to statistics compiled from the Academic Affairs of Dipa Makassar University Makassar, there are 4383 students enrolled in the 2015 to 2019 range, with the number of drop out students amounting to 106 students. Various factors cause students to be penalized for dropping out. This can also be caused by the lack of policies and actions from educational institutions to keep their students from dropping out, which requires unique and in-depth attention. In this study, the factors used as a reference in determining student dropouts include student registration status in the current semester, length of student study, cumulative achievement index, number of credits that have been passed, Expectation-Maximization Algorithm is used which is often used to find the estimated value of Maximum Likelihood. (ML) from the inner parameters of the dropout, student data to predict student data for the current semester so that students who have the potential to drop out can be anticipated. The results of this study can predict the potential of students. Drop Out or Potential Student Normal lecture period with 90.9% accuracy.
Keyword : Drop Out, EMA, Data Mining

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 21-44 PUT p - 0134TI

Penerbit

Makassar : Universitas DIPA., 2021

Deskripsi Fisik

xiv + 92 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 21-44

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Cetakan Oktober 2021

Subjek

Skripsi/Tugas Akhir
Data Mining
Algortima Expectation Maximisation

Lampiran File