Robbany, Muhammad Faiz (2026) Penerapan Algoritma XGBoost Reggresor untuk memprediksi dampak intensitas bermain game terhadap akademik mahasiswa. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
Full text not available from this repository. (Request a copy)Abstract
Penelitian ini bertujuan untuk mengembangkan model prediksi Indeks Prestasi Kumulatif (IPK) mahasiswa Teknik Informatika menggunakan algoritma XGBoost Regressor dengan mengikuti metodologi CRISP-DM, yang mencakup integrasi data primer dan sekunder hingga tahap implementasi. Fokus utama penelitian terletak pada optimalisasi performa melalui Feature Engineering, di mana variabel turunan strategis seperti study_advantage berhasil divalidasi memiliki korelasi yang lebih kuat terhadap target (0.52) dibandingkan fitur mentah (0.32), serta melalui Hyperparameter Tuning menggunakan Randomized Search Cross-Validation (5-Fold CV, 30 iterasi). Berdasarkan pengujian pada dua skenario utama, model mencapai kinerja puncak pada skenario dataset penuh dengan rasio splitting 70:30, menghasilkan koefisien determinasi (R2 Score) sebesar 0.8482, nilai MAE 0.1557, dan RMSE 0.2292. Temuan ini membuktikan stabilitas dan akurasi tinggi dari model XGBoost Reggresor dalam memprediksi capaian akademik, yang kemudian diimplementasikan ke dalam aplikasi berbasis website menggunakan Gradio untuk memberikan sarana evaluasi diri secara proaktif bagi mahasiswa.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Machine Learning; XGBoost Regressor; Prediksi IPK; Feature Engineering; Gradio; |
| Subjects: | Data Processing, Computer Science |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | muhammad faiz robbany |
| Date Deposited: | 16 Mar 2026 01:13 |
| Last Modified: | 16 Mar 2026 01:13 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/129039 |
Actions (login required)
 |
View Item |
