Analisis Pemetaan Kemampuan Akademik Mahasiswa Program Studi Teknik Informatika Dengan Metode Naive Bayes Classifier Dan K-Nearest Neighbor (Knn) (Studi Kasus: Universitas Pamulang)

Utari Sekar Putri, . (2024) Analisis Pemetaan Kemampuan Akademik Mahasiswa Program Studi Teknik Informatika Dengan Metode Naive Bayes Classifier Dan K-Nearest Neighbor (Knn) (Studi Kasus: Universitas Pamulang). Masters thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (960kB)
	Text BAB I.pdf Restricted to Registered users only Download (373kB)
	Text BAB II.pdf Restricted to Registered users only Download (611kB)
	Text BAB III.pdf Restricted to Registered users only Download (702kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Restricted to Registered users only Download (183kB)
	Text jurnal.pdf Restricted to Registered users only Download (1MB)

Abstract

Pendidikan tinggi memiliki peran strategis dalam menghasilkan sumber daya manusia yang berkualitas, khususnya di bidang Teknik Informatika yang terus berkembang pesat. Penilaian performa akademik mahasiswa menjadi aspek penting untuk memastikan efektivitas pendidikan dan kualitas lulusan yang dihasilkan. Penelitian ini bertujuan untuk mengevaluasi proses pembelajaran mahasiswa Teknik Informatika melalui penerapan teknik data mining, yaitu algoritma Naive Bayes Classifier (NBC) dan K-Nearest Neighbors (KNN). Dataset yang digunakan dalam penelitian ini mencakup data akademik mahasiswa Universitas Pamulang, meliputi tingkat keaktifan mahasiswa, pola kelulusan, dan berbagai faktor lain yang memengaruhi performa akademik. Hasil analisis menunjukkan bahwa metode KNN memiliki keunggulan dibandingkan dengan NBC, dengan akurasi masing-masing sebesar 91% untuk KNN dan 73% untuk NBC. Selain itu, penelitian ini juga mengidentifikasi adanya tren penurunan tingkat keaktifan mahasiswa dari 100% pada semester pertama menjadi 76,36% pada semester keempat. Tingkat kelulusan tepat waktu juga ditemukan sangat rendah, hanya mencapai 7,27% dari total populasi mahasiswa yang diteliti. Melalui survei yang dilakukan, kendala utama yang menyebabkan rendahnya tingkat kelulusan tepat waktu adalah masalah manajemen waktu, yang diakui oleh 71,43% responden. Sebaliknya, faktor beban tugas atau ujian tidak dianggap signifikan oleh sebagian besar mahasiswa. Penelitian ini memberikan wawasan penting bagi pengelola program studi Teknik Informatika dalam merancang strategi pendidikan yang lebih responsif dan efektif. Dengan langkah-langkah tersebut, diharapkan risiko overstudy dapat diminimalkan, tingkat efisiensi studi dapat meningkat, dan peluang kelulusan tepat waktu menjadi lebih tinggi.Temuan ini menjadi dasar yang signifikan untuk meningkatkan kualitas pendidikan di bidang Teknik Informatika, tidak hanya untuk memastikan keberhasilan akademik mahasiswa tetapi juga untuk mempersiapkan mereka menghadapi tantangan dunia profesional di masa depan

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Kelulusan Tepat waktu, Naïve Bayes, K-Nearest Neighbor, Tingkat Keaktifan mahasiswa
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:	Yeni Ratnasari
Date Deposited:	08 Jul 2025 08:47
Last Modified:	08 Jul 2025 08:47
URI:	http://repository.unpam.ac.id/id/eprint/16796

Actions (login required)

View Item