Bilah Samping Artikel

Telah diserahkan
5 August 2021
Diterima
29 November 2021
Diterbitkan
30 November 2021
Unduh
PDF
Statistik
Baca Penghitung : 452 Unduh : 549

Isi Artikel Utama

Abstrak

Penelitian ini bertujuann untuk memprediksi prestasi nilai akademik mahasiswa berdasarkan jalur masuk perguruan tinggi supaya mahasiswa memiliki gambaran Indeks Prestasi Semester pada semester selanjutnya. Analisis ini menggunakan variabel independen yaitu Indeks Prestasi Semester dan jalur masuk. Variabel dependennya adalah Indeks Prestasi Semester pada semester selanjutnya. Sampel penelitian ini adalah mahasiswa Fakultas Teknik Universitas Bengkulu. Penelitian ini menggunakan metode multiple linear regression. Pengumpulan data dilakukan dengan wawancara terhadap dosen Fakultas Teknik Universitas Bengkulu. Hasil dari proses prediksi Indeks Prestasi Semester mahasiswa pada semester berikutnya dapat ditampilkan dalam bentuk website. Metode pengembangan sistem yang digunakan adalah waterfall. Pengujian simpangan error menggunakan metode Mean Error (ME), Mean Absolute Deviation (MAD), Mean Squared Error (MSE), Root Mean Squared Error (RMSE) dan Mean Absolute Percent Error (MAPE). Pengujian fungsional sistem dengan menggunakan metode Black Box telah berhasil 100 % dengan skenario yang telah dibuat. Berdasarkan eksperimen yang telah dilakukan tingkat error dari aplikasi ini yaitu tingkat error ME sebesar 0,12, tingkat error MAD sebesar 0,15, tingkat error MSE sebesar 1,53, tingkat error RMSE sebesar 1,24, dan tingkat error MAPE sebesar 4,05%.

Kata Kunci: Prediksi, Indeks Prestasi Semester, Multiple Linear Regression

Kata Kunci

prediksi multiple linear regression jalur masuk

Rincian Artikel

Biografi Penulis

Muhammad Naufal Faruqhy, Universitas Bengkulu

Infomatika, Fakultas Teknik

Desi Andreswari, Universitas Bengkulu

Infomatika, Fakultas Teknik

Julia Purnama Sari, Universitas Bengkulu

Sistem Informasi, Fakultas Teknik
Cara Mengutip
Faruqhy, M. N., Andreswari, D., & Sari, J. P. (2021). Prediksi Prestasi Nilai Akademik Mahasiswa Berdasarkan Jalur Masuk Perguruan Tinggi Menggunakan Metode Multiple Linear Regression (Studi Kasus: Fakultas Teknik Universitas Bengkulu). Rekursif: Jurnal Informatika, 9(2), 172–183. https://doi.org/10.33369/rekursif.v9i2.17108
Unduh Sitasi
Endnote/Zotero/Mendeley (RIS)
BibTeX

Referensi

  1. Afkarina, N. K., Widodo, A. W., & Furqon, M. T. (2019). Implementasi Regresi Linier Berganda Untuk Prediksi Jumlah Peminat Mata Kuliah Pilihan. Pengembangan Teknologi Informasi Dan Ilmu Komputer, 10462-10467.
  2. Akil, I. (2018). Referensi Dan Panduan UML 2.4 Singkat Tepat Jelas. Surabaya: CV Garuda Mas Sejahtera.
  3. Amiruddin, & Ishak, R. (2018). Prediksi Jumlah Mahasiswa Registrasi Per Semester Menggunakan Linier Regresi Pada Universitas Ichsan Gorontalo. ILKOM Jurnal Ilmiah, 136-143.
  4. Amrin. (2016). Data Mining Dengan Regresi Linier Berganda Untuk Peramalan Tingkat Inflasi. Jurnal Techno Nusa Mandiri Vol. XIII, 74-79.
  5. Defiyanti, S. (2013). Analisis Dan Prediksi Kinerja Mahasiswa Menggunakan Teknik Data Mining. Syntak Vol.2 Ed.2, 1-8.
  6. Dinarti, F., & Martadi. (2015). Orientasi Jalur Seleksi Masuk Perguruan Tinggi Terhadap Perbedaan Prestasi Belajar Mahasiswa Angkatan 2012-2014 Jurusan Pendidikan Seni Rupa Universitas Negeri Surabaya. Jurnal Pendidikan Seni Rupa, 166-172.
  7. Enterprise, J. (2015). Membuat Website PHP Dengan CodeIgniter. Jakarta: PT Elex Media Komputindo.
  8. Jus'at, I. (2018). Analisa Regresi. Yogyakarta: Rapha Publishing.
  9. L, C. C., Jangamshetti, D. S., & Sonoli, S. (2018). Multiple Linear Regression Analysis For Prediction Of Boiler Losses And Boiler Efficiency. International Journal Of Instrumentation And Control System, 1-9.
  10. Mohd, T., Jamil, S., & Masrom, S. (2020). Multiple Linear Regression On Building Price Prediction With Green Building Determinant. International Journal Of Advanced Science And Technology, 1137-1148.
  11. Pratomo, D. S., & Astuti, E. Z. (2015). Analisis Regresi Dan Korelasi Antara Pengunjung Dan Pembeli Terhadap Nominal Pembelian Di Indomaret Kedungmundu Semarang Dengan Metode Kuadrat Terkecil.
  12. Pressman, R. S. (2012). Rekayasa Perangkat Lunak : Pendekatan Praktisi Edisi 7. Yogyakarta: Penerbit Andi.
  13. Primadasa, D. G., & Muharam, H. (2015). Analisis Faktor-Faktor Yang Mempengaruhi Dividend Payout Ratio Pada Perusahaan Manufaktur Yang Listed Di Bei Tahun 2008-2012. Diponegoro Journal Of Management, 1-15.
  14. Putri, V. W., Saputra, R., Rayendra, R., & Mustakim. (2017). Penerapan Multiple Regression Dalam pendugaan Awal Kelulusan Mahasiswa. Seminar Nasional Teknologi Informasi, Komunikasi Dan Industri, 194-200.
  15. Putro, R. Y., & Kamal, M. (2013). Analisis Pengaruh Brand Reputation, Brand Competence, Dan Brand Liking Terhadap Trust In Brand Pada Konsumen Windows Phone Nokia Di Surabaya. Jurnal Studi Manajemen & Organisasi, 178-185.
  16. Raharjo, S. (2019, Mei). Cara Uji Linearitas Menggunakan Grafik Scatter Plot dengan SPSS. Retrieved from SPSS Indonesia: https://www.spssindonesia.com/2019/05/uji-linearitas-grafik-scatter-plot-spss.html
  17. Rasyid, H., & Mansur. (2019). Penilaian Hasil Belajar. Bandung: CV Wacana Prima.
  18. Santi, R. C. (2012). Implementasi Sistem Persamaan Linier Menggunakan Metode Aturan Cramer. Jurnal Teknologi Informasi Dinamik Volume 17, 34-38.
  19. Santoso, A. B. (2018). Tutorial & Solusi Pengolahan Data Regresi. Surabaya: CV. Garuda Mas Sejahtera.
  20. Santoso, S. (2019). Mahir Statistik Parametrik. Jakarta: PT Elex Media Komputindo.
  21. Sunarmintyastuti, L., Alfarisi, S., & Hasanusi, F. S. (n.d.). Peramalan Penentuan Jumlah Permintaan Konsumen Berbasis Teknologi Informasi Terhadap Produk Bordir Pada Kota Tasikmalaya. ISSN 1412-565 X, 288-296.
  22. Suparno. (2018). Seri Pengayaan Pembelajaran Matematika Statistika. Jakarta Barat: PT Sunda Kelapa Pustaka.
  23. Suyono. (2018). Analisis Regresi Untuk Penelitian. Yogyakarta: Deepublish.