Pratama, Rafli Rakha (2023) Learning Analytics menggunakan Algoritma Decision Tree untuk mendukung minat mahasiswa dalam memilih kelompok keahlian Teknik Informatika. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (42kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (87kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (84kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (121kB) | Preview |
|
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (278kB) | Request a copy |
||
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (1MB) | Request a copy |
||
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (682kB) | Request a copy |
||
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (24kB) | Request a copy |
||
Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf Restricted to Registered users only Download (102kB) | Request a copy |
Abstract
Kelompok Keahlian (KK) adalah sebuah entitas di Fakultas atau Jurusan yang mengembangkan dan mengelola keahlian dalam bidang keilmuan, penelitian, dan kerjasama. Penelitian ini menguji kinerja algoritma Decision Tree untuk merekomendasikan minat kelompok keahlian mahasiswa Teknik Informatika menggunakan metode Learning Analytics. Tujuannya adalah membantu mahasiswa memilih kelompok keahlian yang sesuai dengan minat mereka. Metode yang digunakan adalah analisis klasifikasi dengan Decision Tree. Penelitian ini memberikan rekomendasi kriteria bagi mahasiswa untuk mengetahui kemampuan dan minat kelompok keahlian yang cocok, serta mengukur akurasi algoritma. Manfaatnya adalah mempermudah pemilihan minat kelompok keahlian mahasiswa dan menjadi referensi untuk penelitian selanjutnya di bidang learning analytic. Batasan penelitian ini termasuk penggunaan algoritma Decision Tree dan Data yang digunakan dalam penelitian ini bersumber dari data Mata Kuliah Teknik Informatika UIN Sunan Gunung Djati Bandung. Tahapannya meliputi pengujian klasifikasi dan kinerja algoritma Decision Tree. Hasil pengujian menunjukkan akurasi Decision Tree memiliki akurasi sebesar 93%, Precision 62%, Recall 63%, dan F1 – Score 63% yang menandakan bahwa algoritma Decision Tree cocok sebagai algoritma yang diimplementasikan kedalam Learning Analytics.
Item Type: | Thesis (Sarjana) |
---|---|
Uncontrolled Keywords: | Kelompok Keahlian; Decision Tree; Learning Analytics; |
Subjects: | Data Processing, Computer Science > Computer Science Education Data Processing, Computer Science > Computer and Human Data Processing, Computer Science > Systems Analysis and Computer Design |
Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
Depositing User: | Rafli Rakha Pratama |
Date Deposited: | 04 Aug 2023 08:03 |
Last Modified: | 04 Aug 2023 08:03 |
URI: | https://digilib.uinsgd.ac.id/id/eprint/72880 |
Actions (login required)
View Item |