Analisis Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Algoritma Naïve Bayes Dan Decision Tree C4.5 Studi Kasus : Fakultas Ilmu Komunikasi Universitas Pancasila

Yunus Pramono, . (2024) Analisis Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Algoritma Naïve Bayes Dan Decision Tree C4.5 Studi Kasus : Fakultas Ilmu Komunikasi Universitas Pancasila. Masters thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (998kB)
	Text BAB I.pdf Restricted to Registered users only Download (30kB)
	Text BAB II.pdf Restricted to Registered users only Download (299kB)
	Text BAB III.pdf Restricted to Registered users only Download (71kB)
	Text BAB IV.pdf Restricted to Registered users only Download (755kB)
	Text BAB V.pdf Restricted to Registered users only Download (8kB)
	Text JURNAL.pdf Restricted to Registered users only Download (621kB)

Abstract

Pendidikan tinggi di Indonesia memainkan peran penting dalam mempersiapkan generasi muda menghadapi tantangan global. Undang-Undang Sistem Pendidikan Nasional (UU Sisdiknas) No. 20 Tahun 2003 menekankan peran dosen sebagai profesional dalam proses pembelajaran dan penelitian. Kualitas pembelajaran, yang mencakup kepuasan mahasiswa, sangat dipengaruhi oleh kinerja dosen, termasuk kemampuan mengajar, penguasaan materi, komunikasi, dan empati yang selanjutnya digunakan untuk menentukan kinerja dosen terbaik. Meskipun Fakultas Ilmu Komunikasi Universitas Pancasila telah menerapkan penilaian kinerja dosen, metode yang digunakan masih menggunakan Excel. Penelitian ini bertujuan mengubah metode tersebut dengan menggunakan algoritma machine learning, yaitu Naïve Bayes dan Decision Tree C4.5, untuk menganalisis faktor-faktor yang mempengaruhi kepuasan mahasiswa terhadap kinerja dosen. Kebaruan penelitian ini terletak pada pendekatan dan pembahasan yang lebih mendalam dibandingkan penelitian terdahulu, terutama dalam penerapan algoritma Naïve Bayes dan Decision Tree C4.5. Data dikumpulkan dari 1.068 mahasiswa dengan sampel 92 mahasiswa menggunakan metode observasi dan kuesioner tertutup melalui Sistem Informasi Akademik Kampus (SIAK). Penelitian ini menggunakan pendekatan kuantitatif dengan aplikasi Orange 3.35.0 untuk analisis data dan penerapan algoritma. Evaluasi dilakukan untuk mengidentifikasi algoritma terbaik dan meningkatkan akurasi prediksi dengan metrik kinerja seperti akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes memiliki akurasi 98% dan recall 100%, menandakan kemampuannya dalam memprediksi kepuasan mahasiswa dengan sangat baik. Sebaliknya, Decision Tree C4.5 memiliki akurasi 91.2% dan recall 60%, meskipun presisi Decision Tree C4.5 (92.3%) sedikit lebih tinggi daripada Naïve Bayes (90.9%), recall yang lebih rendah menunjukkan efektivitasnya dalam menangkap kasus positif tidak sebaik Naïve Bayes. Kesimpulannya, Naïve Bayes lebih unggul dalam akurasi dan recall, menjadikannya pilihan lebih baik untuk klasifikasi kepuasan mahasiswa, sementara Decision Tree C4.5 lebih efektif dalam identifikasi kategori positif spesifik.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Kepuasan Mahasiswa, Klasifikasi, Naïve Bayes, Decision Tree C4.5, Data mining
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:	25 Nov 2024 06:58
Last Modified:	25 Nov 2024 06:58
URI:	http://repository.unpam.ac.id/id/eprint/15333

Actions (login required)

View Item