IMPLEMENTASI DECISION TREE CLASSIFIER PADA SISTEM REKOMENDASI PENERIMAAN MAHASISWA BARU FAKULTAS TEKNOLOGI INFORMASI UKDW

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.

	Text (Skripsi Informatika) 71170173_bab1_bab5_daftarpustaka.pdf Download (5MB)
	Text (Skripsi Informatika) 71170173_bab2 sd bab4_lampiran.pdf Restricted to Registered users only Download (1MB) | Request a copy

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.

Actions (login required)

View Item