dc.contributor.advisor | Ayundyah Kesumawati, S.Si., M.Si | |
dc.contributor.author | Amalia Dwi Nurfadzilah, 15611135 | |
dc.date.accessioned | 2020-01-08T03:53:28Z | |
dc.date.available | 2020-01-08T03:53:28Z | |
dc.date.issued | 2019-09-24 | |
dc.identifier.uri | http://hdl.handle.net/123456789/16987 | |
dc.description.abstract | Rekam akademis memiliki arti bekas atau kesan yang berhubungan dengan ilmu
pengetahuan dalam bentuk catatan. Dalam penelitian ini akan digunakan rekam
akademis pada mahasiswa Statistika UII angkatan 2015 yang meliputi persentase
keterlambatan kehadiran kuliah, jenis mata kuliah yang diambil, jadwal hari dan
jam mata kuliah, dan jumlah SKS (Sistem Kredit Semester). Rekam akademis ini
penting karena memiliki pola yang mempengaruhi nilai mata kuliah. Maka dari itu
untuk mengetahui pola rekam akademis mahasiswa maka diperlukanlah metode
klasifikasi nilai mata kuliah berdasarkan rekam akademis, digunakanlah klasifikasi
Support Vector Machine (SVM) karena metode ini handal untuk klasifikasi dengan
dimensi yang tinggi dan multiclass. Pada data rekam akademis diketahui bahwa
terdapat ketidak seimbangan data, maka untuk mengatasinya digunakanlah metode
Synthetic Minority Oversampling Technique (SMOTE) sehingga performa
aklasifikasi akan semakin baik. Didapatkan kesimpulan bahwa dengan
menggunakan SVM metode SMOTE diketahui tingkat akurasi klasifikasi 58%
dengan Cost 10 dan gamma 100 sehingga mahasiswa yang mendapat predikat nilai
“Amat baik” yaitu sebanyak 363, “baik” sebanyak 102, “cukup” sebanyak 4,
“kurang” hanya 2, “sangat kurang” hanya satu, serta “tidak memenuhi” sebanyak
66. | en_US |
dc.publisher | Universitas Islam Indonesia | en_US |
dc.subject | Klasifikasi | en_US |
dc.subject | Nilai Mahasiswa | en_US |
dc.subject | Support Vector Machine (SVM) | en_US |
dc.subject | Synthetic Minority Oversampling Technique (SMOTE) | en_US |
dc.title | KLASIFIKASI NILAI MATA KULIAH BERDASARKAN REKAM AKADEMIS MENGGUNAKAN SUPPORT VECTOR MACHINE | en_US |
dc.type | Undergraduate Thesis | en_US |