PERANCANGAN REKOMENDASI KEGIATAN KEMAHASISWAAN UNTUK MENCAPAI TARGET MASA TUNGGU LULUSAN DI UNIVERSITAS TELKOM DENGAN METODE DECISION TREE

MUHAMMAD RIFANSYAH

Informasi Umum

Kode

20.04.4357

Klasifikasi

006.312 - Data mining

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Mining

Dilihat

57 kali

Informasi Lainnya

Abstraksi

Masa Tunggu Lulusan merupakan salah satu nilai ukur dari suatu universitas, suatu universitas terakreditasi “A” jika rata-rata masa tunggu lulusan kurang dari sama dengan tiga bulan. Berdasarkan data tracer study Universitas Telkom tahun 2016 – 2018, pada seluruh mahasiswa yang mengambil program studi strata satu terdapat 3466 mahasiswa yang mengalami masa tunggu lulusan kurang dari sama dengan tiga bulan dan terdapat 1660 mahasiswa yang mengalami masa tunggu lulusan lebih dari tiga bulan. Tujuan dari penelitian ini adalah untuk mengklasifikasikan mahasiswa berdasarkan masa tunggu lulusan, riwayat jenis organisasi, jabatan organisasi, Indeks Prestasi Kumulatif (IPK), dan masa studi.

Metode klasifikasi yang digunakan adalah decision tree C5.0. Klasifikasi adalah metode prediksi berdasarkan dari variabel masukan sehingga Universitas Telkom dapat memantau mahasiswa yang terindikasi mengalami masa tunggu lulusan lebih dari tiga bulan dan memberikan masukan kepada mahasiswa untuk mengikuti kegiatan mahasiswa tertentu supaya tidak mengalami masa tunggu lulusan lebih dari tiga bulan.

Hasil dari model decision tree yang telah dibuat memiliki akurasi sebesar 54,7% dengan tiga atribut yang diperhatikan yaitu nilai IPK, masa studi, dan mengikuti organisasi pendidikan/penalaran/ kesenian. Hasil algoritma yang dibuat dalam mengidentifikasi mahasiswa mengalami masa tunggu lulusan lebih dari tiga bulan.

Kesimpulan dan saran untuk penelitian berikutnya jumlah pengamatan dan atribut yang digunakan lebih banyak dikarenakan jumlah data dapat mempengaruhi kualitas model. Metode klasifikasi yang digunakan lebih dari satu sehingga dapat membandingkan hasil dari model hasil masing-masing metode tersebut sehingga dapat diidentifikasi data yang diolah dapat dibuat model menggunakan metode klasifikasi tertentu.