@phdthesis{katalog8054,
            year = {2023},
           title = {SISTEM PREDIKSI IPK DAN LAMA STUDI MAHASISWA INFORMATIKA UKDW},
          school = {Universitas Kristen Duta Wacana},
          author = {Rizky Chandra Wijaya},
           month = {August},
        keywords = {IPK, lama studi, regresi linier multi, SVR, R2, MAE},
             url = {https://katalog.ukdw.ac.id/8054/},
        abstract = {Dalam mengukur kualitas atau mutu dari seorang lulusan mahasiswa dari suatu perguruan tinggi terdapat dua indikator yang sering digunakan sebagai tolak ukur yaitu Indeks Prestasi Kumulatif (IPK) dan lama studi mahasiswa. Berangkat dari pentingnya faktor tersebut, Program Studi Informatika UKDW mempunyai data warehouse yang menyimpan data hasil studi lulusan mahasiswa informatika dari tahun 2013 hingga 2018. Dengan adanya data tersebut maka penelitian ini dibuat agar dapat memprediksi IPK dan lama studi mahasiswa yang sedang menempuh studi dengan memanfaatkan data lulusan mahasiswa Informatika UKDW. Penelitian ini membandingkan 2 model regresi untuk memprediksi IPK dan lama studi yaitu regresi linier multi dan Super Vector Machine (SVR). Untuk mengevaluasi model regresi penulis menggunakan uji nilai R2 untuk melihat seberapa baik model regresi dapat memprediksi variabel dependen dan uji nilai MAE untuk melihat tingkat eror yang dihasilkan model regresi. Berdasarkan hasil analisis model regresi yang paling baik untuk memprediksi IPK dengan menggunakan SVR, sedangkan untuk memprediksi lama studi berdasarkan analisis model yang paling baik adalah regresi linier multi. Hasil dari model regresi tersebut kemudian di implementasikan ke dalam sistem berbasis web dengan menggunakan framework laravel.}
}