Penerapan Feature Selection untuk Prediksi Lama Studi Mahasiswa
Article Sidebar
Main Article Content
Abstract
Kelulusan tepat waktu merupakan permasalahan yang sering dialami oleh institusi perguruan tinggi. Beberapa faktor dapat menjadi penyebabnya. Pada penelitian ini diterapkan teknik data mining feature selection untuk menganalisis pengaruh mata kuliah terhadap lama studi mahasiswa. Teknik feature selection yang digunakan yaitu Correlation Based, Information Gain Based, dan Learner Based. Akurasi dari masing-masing metode seleksi fitur diukur menggunakan algoritma klasifikasi Naïve Bayes. Hasil uji coba menunjukkan penerapan teknik feature selection mampu meningkatkan akurasi klasifikasi dari algoritma Naïve Bayes. Hasil uji coba terhadap dataset nilai mahasiswa menunjukkan teknik Learner Based menggunakan model Wrapper menghasilkan akurasi paling tinggi. Akurasi paling rendah diperoleh menggunakan teknik Information Gain.
Article Details
- JSI menggunakan perjanjian lisensi ekslusif, yaitu penulis memegang hak cipta atas artikel dan memberikan hak publikasi kepada Jurnal Sistem dan Informatika (JSI).
- JSI mempunyai hak ekslusif untuk mempublikasi dan mendistribusikan artikel secara sebagian atau keseluruhan, dan memberikan hak kepada orang lain sesuai dengan lisensi yang digunakan.
- JSI berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
- JSI berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.
- Artikel harus dirujuk, link terhadap lisensi harus disediakan, dan jika terdapat bagian artikel yang diubah harus ditandai.
- Jika artikel disadur sehingga terdapat perubahan, hasil saduran harus didistribusikan menggunakan lisensi yang sama.
- Tidak diperkenankan untuk membatasi orang lain terhadap apa yang diperbolehkan oleh lisensi.
