Analisis Data Mahasiswa Bimbingan Skripsi Menggunakan Algoritma Random Forest, Gradient Boosting, Dan Naïve Bayes (Studi Kasus Pada Universitas Raharja)

Fajar Nur Iman, . (2025) Analisis Data Mahasiswa Bimbingan Skripsi Menggunakan Algoritma Random Forest, Gradient Boosting, Dan Naïve Bayes (Studi Kasus Pada Universitas Raharja). Masters thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (1MB)
	Text BAB I.pdf Restricted to Registered users only Download (58kB)
	Text BAB II.pdf Restricted to Registered users only Download (535kB)
	Text BAB III.pdf Restricted to Registered users only Download (1MB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Restricted to Registered users only Download (108kB)
	Text JURNAL.pdf Restricted to Registered users only Download (835kB)

Abstract

Bimbingan skripsi merupakan tahapan yang sangat penting dalam pendidikan tinggi, karena skripsi merupakan salah satu persyaratan utama untuk meraih gelar sarjana. Peran dosen pembimbing sangat penting dalam memberikan arahan, saran, dan masukan bagi mahasiswa untuk memastikan penelitian yang dilakukan dapat berjalan dengan baik dan sesuai standar akademik. Salah satu permasalahan utama yang dihadapi dalam bimbingan skripsi adalah bagaimana mengelola data konsultasi antara mahasiswa dan dosen pembimbing. Dalam banyak kasus, data tersebut tidak terdokumentasi dengan baik, sehingga sulit untuk melakukan pemantauan secara teratur terhadap kemajuan setiap mahasiswa. Dengan adanya permasalahan ini, muncul kebutuhan untuk mencari solusi yang lebih efektif dalam mengelola dan memantau proses bimbingan skripsi. Penerapan teknologi dan pendekatan machine learning menawarkan potensi besar dalam membantu mengatasi masalah ini. Algoritma machine learning seperti Random Forest, Gradient Boosting, dan Naïve Bayes dapat digunakan untuk menganalisis data bimbingan skripsi secara otomatis, sehingga dapat membantu dosen dalam memantau kemajuan mahasiswa secara lebih efisien. Penelitian ini tidak hanya bertujuan untuk memberikan solusi bagi dosen dalam memantau kemajuan mahasiswa bimbingannya, tetapi juga menyediakan alat yang berguna bagi pihak manajemen kampus untuk memantau kinerja dosen dalam memberikan bimbingan. Berdasarkan hasil dan perbandingan yang telah dilakukan, maka dapat ditarik kesimpulan bahwa metode Gradient Boosting memiliki tingkat akurasi yang sangat tinggi yaitu sebesar 100% dibandingkan dengan Random Forest yang nilai akurasi sebesar 98.8% dan Naïve Bayes dengan nilai akurasi sebesar 97.4%. Dari hasil data testing menggunakan algoritma Naive Bayes, Gradient Boosting, dan Random Forest memiliki tingkat akurasi yang berbeda tetapi jumlah prediksi yang sama yaitu dari data testing sebanyak 235 data, sebanyak 25 data dinyatakan “Belum Layak” dan 210 data dinyatakan “Layak” berdasarkan kriteria yang telah ditetapkan.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Bimbingan Konsultasi, Machine Learning, Random Forest, Gradient Boosting, Naïve Bayes
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	miko
Date Deposited:	04 Jul 2025 03:43
Last Modified:	04 Jul 2025 08:14
URI:	http://repository.unpam.ac.id/id/eprint/16753

Actions (login required)

View Item