Isi Artikel Utama

Abstrak

Salah satu suber daya besar yang dimiliki universitas adalah basis data, namun basis data yang besar ini hanya disimpan dalam gudang data. Padahal data yang terkumpul dan berukuran besar tersebut merupakan aset yang dapat dimanfaatkan untuk dianalisis yang hasilnya berupa pengetahuan atau informasi berharga. Melihat kondisi tersebut diperlukan penelitian untuk menggali data yang dimiliki oleh Universitas Bengkulu untuk melihat parameter yang paling berpengaruh pada lama masa studi mahasiswa, data yang akan dimanfaatkan disini adalah data akademik dan data wisudawan. Metode yang digunakan untuk menganalisinya adalah Decission tree dengan menggunakan algoritme CART. Melakukan prediksi dibutuhkan dataset yang teratur, Dataset yang digunakan masih mengandung missing values sehingga dalam penelitian ini tahap prepocessing data dilakukan. Tahap preprocessing menggunakan sistem data warehouse dengan penerapa ETL. Aplikasi ini dibuat dengan menggunakan Visual studio code bahasa pemrograman PHP framewort laravel. Hasil dari penelitian ini berupa aplikasi pengelompokkan data alumni lulus tepat waktu dan prediksi lama masa studi utuk mahasiswa baru. Pengujian software menggunakan metode Evaluasi Accuracy dan Black box. Hasil dari penelitian ini adalah nilai parameter yang berpengaruh pada kelulusan mahasiswa dan dapat digunakan untuk proses prediksi masa studi mahasiswa.

Rincian Artikel

Biografi Penulis

Muhammad Fando Rizalno, Universitas Bengkulu

Program Studi Informatika, Fakultas Teknik

Asahar Johar, Universitas Bengkulu

Program Studi Informatika, Fakultas Teknik

Funny Farady Coastera, Universitas Bengkulu

Program Studi Informatika, Fakultas Teknik
Cara Mengutip
Rizalno, M. F., Johar, A., & Coastera, F. F. (2022). Analisis Prediksi Masa Studi Mahasiswa Menggunakan Metode Decision Tree Dengan Penerapan Algoritme Cart (Classification and Regression Trees) (Studi Kasus Data Alumni Fakultas Teknik Universitas Bengkulu). Rekursif: Jurnal Informatika, 10(1), 96–106. https://doi.org/10.33369/rekursif.v10i1.21362

Referensi

  1. Azuri, D. F., Zulhanif, & Pontoh, R. S. (2016). Pengelompokkan Kabupaten/Kota Di Pulau Jawa Berdasarkan Pembangunan Manusia Berbasis Gender Menggunakan Bisecting K-Means. ISBN 978-602-72216-1-1 , 78-83.
  2. Az-zahara, f. (2016). Multidimensional Database. yogyakarta: dictio.
  3. Han, J. a. (2006). Data Mining Concepts and Techniques Second Edition. San Francisco.: Morgan Kauffman.
  4. Kamber, J. H. (2012). Data Mining:Concept and Techniques. Burlington: Elsevier.
  5. kimball, R. (2004). The Data Warehouse ETL Toolkit: Practical Techniques for Extracting. new york: wiley publishing.
  6. Kusrini. (2017). Strategi Perancangan dan Pengelolaan Basis Data. yogyakarta: Universitas Amikom.
  7. mardiani. (2019). penerapan klasifikasi dengan algoritme CART untuk prediksi kuliah bagi mahasiswa baru. . penerapan klasifikasi dengan algoritme CART untuk prediksi kuliah bagi mahasiswa baru. .
  8. Pratiwi, R. (2019). PERBANDINGAN KLASIFIKASI ALGORITME C5.0 DENGAN CLASSIFICATION AND REGRESSION TREE. PERBANDINGAN KLASIFIKASI ALGORITME C5.0 DENGAN CLASSIFICATION AND REGRESSION TREE.
  9. Putri, R. P. (2018). Penerapan Algoritme C4.5 pada Aplikasi Prediksi . Penerapan Algoritme C4.5 pada Aplikasi Prediksi .
  10. Rosa, A., & Shalahuddin, M. (2018). Rekayasa Perangkat Lunak Edisi Revisi. Bandung: Informatika.
  11. Silberschatz, a. (2003). Operating System Concepts. 1009-1010.: The British Journal of Psychiatry.
  12. Sinaga, E. (2018). PERANCANGAN APLIKASI PREDIKSI JUMLAH KELULUSAN. PERANCANGAN APLIKASI PREDIKSI JUMLAH KELULUSAN, 6.
  13. Zaki, A. (2008). 36 Menit Belajar Komputer: Php Dan Mysql. Jakarta: Media Komputindo.