Murti, Ni Made Yunitasari Maharani Pricilla (2025) PENERAPAN DATA MINING UNTUK MEMPREDIKSI KETERLAMBATAN PENYELESAIAN STUDI MAHASISWA S1 UNIVERSITAS PENDIDIKAN GANESHA. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2113101018-COVER.pdf Download (1MB) |
|
Text (ABSTRAK)
2113101018-ABSTRAK.pdf Download (300kB) |
|
Text (BAB 1 PENDAHULUAN)
2113101018-BAB 1 PENDAHULUAN.pdf Download (273kB) |
|
Text (BAB 2 KAJIAN TEORI)
2113101018-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (767kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2113101018-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (272kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2113101018-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (672kB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2113101018-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (179kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2113101018-DAFTAR PUSTAKA.pdf Download (218kB) |
|
Text (LAMPIRAN)
2113101018-LAMPIRAN.pdf Download (1MB) |
Abstract
Penelitian ini bertujuan untuk memprediksi keterlambatan penyelesaian studi mahasiswa S1 di Universitas Pendidikan Ganesha. Keterlambatan penyelesaian studi merupakan masalah yang umum terjadi di perguruan tinggi dan dapat berdampak negatif pada reputasi institusi serta kualitas pendidikan. Metode yang digunakan dalam penelitian ini adalah regresi linier untuk memprediksi Indeks Prestasi Kumulatif (IPK) semester 8 dan regresi logistik untuk mengidentifikasi status keterlambatan mahasiswa. Data yang digunakan berasal dari UPA TIK Universitas Pendidikan Ganesha, mencakup informasi akademik mahasiswa dari tahun 2018 hingga 2021. Hasil penelitian menunjukkan bahwa model regresi linier memiliki akurasi yang sangat baik dengan nilai MAPE sebesar 1,5% dan koefisien determinasi (R^2) sebesar 0,883, yang menunjukkan bahwa 88,3% variasi nilai IPK semester 8 dapat dijelaskan oleh variabel input yang digunakan. Sementara itu, model regresi logistik menunjukkan nilai AUC sebesar 0,984 dan akurasi klasifikasi sebesar 94,7%, menandakan kemampuan yang sangat baik dalam membedakan antara mahasiswa yang terlambat dan tidak terlambat. Atribut yang berpengaruh dalam memprediksi keterlambatan penyelesaian studi adalah IPK semester 8 dan jumlah SKS. Penelitian ini diharapkan dapat memberikan wawasan bagi pihak universitas dalam mengambil langkah-langkah preventif untuk mengurangi keterlambatan penyelesaian studi mahasiswa.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Data Mining, Keterlambatan Penyelesaian Studi, Regresi Linier, Regresi Logistik, Universitas Pendidikan Ganesha. |
| Subjects: | Q Science > QA Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Jurusan Matematika > Program Studi Matematika (S1) |
| Depositing User: | Ni Made Yunitasari Maharani Pricilla Murti |
| Date Deposited: | 08 Jul 2025 01:30 |
| Last Modified: | 08 Jul 2025 01:30 |
| URI: | http://repo.undiksha.ac.id/id/eprint/25300 |
Actions (login required)
 |
View Item |