eprintid: 8043
rev_number: 10
eprint_status: archive
userid: 40
dir: disk0/00/00/80/43
datestamp: 2024-01-29 05:09:02
lastmod: 2024-01-29 05:09:02
status_changed: 2024-01-29 05:09:02
type: thesis
metadata_visibility: show
contact_email: joshualie1999@gmail.com
creators_name: , Joshua Putra Setyadi
creators_id: 71170173
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: Dwi K., Lucia
contributors_name: Lukito, Yuan
contributors_id: 0516116901
contributors_id: 0505078102
corp_creators: Universitas Kristen Duta Wacana
title: IMPLEMENTASI DECISION TREE CLASSIFIER PADA SISTEM REKOMENDASI PENERIMAAN MAHASISWA BARU FAKULTAS TEKNOLOGI INFORMASI UKDW
ispublished: pub
subjects: Q1
subjects: QA75
subjects: T1
divisions: tek_informatika
full_text_status: restricted
keywords: penerimaan mahasiswa baru, klasifikasi, prediksi, decision tree, student enrollment, classification, prediction decision tree
abstract: Seleksi penerimaan mahasiswa baru Universitas Kristen Duta Wacana mempunyai dua jalur pendaftaran, seleksi jalur reguler, dan jalur prestasi. Untuk membantu Fakultas Teknologi Informasi dalam melakukan seleksi, dikembangkanlah sebuah purwarupa sistem yang mampu memberikan rekomendasi penerimaan berdasarkan ciri-ciri mahasiswa yang diterima sebelumnya.  Penelitian ini menggunakan metode pembelajaran mesin decision tree dan random forest untuk mempelajari pola-pola data penerimaan mahasiswa tahun 2015 sampai 2021 yang disimpan gudang data Fakultas Teknologi Informasi. Data tersebut berupa sekolah asal, pilihan program studi, dan nilai-nilai tes potensial akademik calon mahasiswa pada seleksi jalur reguler, dan rata-rata nilai UAN dan rapor pada seleksi jalur prestasi. Performa luaran-luaran metode tersebut, berupa rata-rata akurasi dan nilai presisi, sensitivitas, f-score, dan feature importance kemudian diukur dan dibandingkan.  Berdasarkan hasil yang diperoleh dalam melakukan seleksi jalur reguler, algoritma random forest mempunyai f-score yang lebih tinggi daripada decision tree sebesar 81% berbanding 73%. Pada seleksi jalur prestasi, algoritma decision tree lebih baik dengan nilai f-score yang lebih tinggi daripada random forest sebesar 93% berbanding 91%. Feature importance luaran-luaran metode menyimpulkan bahwa variabel yang paling menentukan penerimaan mahasiswa jalur reguler  adalah pilihan program studi pertama dengan nilai gini model decision tree sebesar 0,338 dan model random forest sebesar 0,197, dan rata-rata nilai rapor paling menentukan penerimaan mahasiswa apabila seleksi melalui jalur prestasi dengan nilai gini model decision tree sebesar 0,736 dan model random forest sebesar 0,543.
date: 2023-08-05
date_type: published
pages: 48
institution: Universitas Kristen Duta Wacana
department: Fakultas Teknologi Informasi
thesis_type: skripsi
thesis_name: other
funders: repository@staff.ukdw.ac.id
citation:   Joshua Putra Setyadi  (2023) IMPLEMENTASI DECISION TREE CLASSIFIER PADA SISTEM REKOMENDASI PENERIMAAN MAHASISWA BARU FAKULTAS TEKNOLOGI INFORMASI UKDW.  Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.   
document_url: https://katalog.ukdw.ac.id/8043/1/71170173_bab1_bab5_daftarpustaka.pdf
document_url: https://katalog.ukdw.ac.id/8043/2/71170173_bab2%20sd%20bab4_lampiran.pdf