dc.contributor.advisor | Baafai, Usman | |
dc.contributor.advisor | Nasution, Benny B. | |
dc.contributor.advisor | Batubara, Fakhruddin Rizal | |
dc.contributor.author | Friendly | |
dc.date.accessioned | 2021-08-24T04:39:31Z | |
dc.date.available | 2021-08-24T04:39:31Z | |
dc.date.issued | 2011 | |
dc.identifier.uri | http://repositori.usu.ac.id/handle/123456789/41138 | |
dc.description.abstract | The use of electronic academic data processing makes the administrative job easy.
These academic data has also been used as the basis of decision making and when
doing a research. The purpose of this study was to analyze existing information that
the academic data available can result in new information. One of the researches
using these academic data is a study on prediction of students’ achievement index.
Yet, with the various data used as the input variables for prediction of achievement
index found in the available academic data, the previously done prediction of
achievement index cannot always be used together with the other academic data and
produces good prediction.
The main thing to be achieved is to find out a model with data mining technique by
using the back propagation neural network that can learn the data available and
determine the variables that can be used in predicting students’ achievement index.
This model will determine the variables from the available data and test the
determined data variables. The data used in this study were the data of the students of
Faculty of Mathematics and Natural Science, Faculty of Law and Faculty of
Engineering.
The result of this study showed that the variables produced were different. Based on
the data used and the result of the test done, it was found out that by using the
determination of these variables, the percentage of prediction increased even though
the data of students of Faculty of Engineering had less variables compared to the
data of students of Faculty of Mathematics and Natural Science and Faculty of Law. | en_US |
dc.description.abstract | Penggunaan pengolahan data akademik secara elektronik memberikan kemudahan
dalam administrasi. Data akademik ini juga sudah digunakan sebagai dasar
pengambilan keputusan dan juga digunakan dalam penelitian. Penelitian ditujukan
untuk dapat menganalisa informasi yang ada pada sehingga dapat diperoleh informasi
yang baru dari data akademik yang ada. Salah satu penelitian yang memanfaatkan
data akademik ini adalah penelitian mengenai prediksi indeks prestasi mahasiswa.
Namun dengan beragamnya data sebagai variabel masukan prediksi indeks prestasi
yang tersedia pada data akademik, prediksi indeks prestasi yang sudah dilakukan
sebelumnya belum tentu dapat digunakan dengan data akademik yang lain dan
menghasilkan prediksi yang baik.
Hal utama yang ingin dicapai adalah untuk mendapatkan suatu model dengan teknik
data mining dengan menggunakan back propagation neural network yang dapat
melakukan pembelajaran terhadap data yang ada dan menentukan variabel yang dapat
dipergunakan dalam prediksi indeks prestasi mahasiswa. Model ini akan melakukan
penentuan variabel dari data yang ada dan melakukan pengujian data variabel hasil
penentuan. Data yang digunakan adalah data mahasiswa Fakultas MIPA, Fakultas
Hukum dan Fakultas Teknik.
Hasil pengujian menunjukkan bahwa variabel yang dihasilkan berbeda berdasarkan
data yang digunakan dan dari hasil pengujian diperoleh peningkatan persentasi
prediksi dengan menggunakan penentuan variabel ini walaupun data mahasiswa pada
Fakultas Teknik memiliki jumlah variabel yang lebih sedikit dibandingkan data
Mahasiswa Fakultas MIPA dan Hukum. | en_US |
dc.language.iso | id | en_US |
dc.publisher | Universitas Sumatera Utara | en_US |
dc.subject | data mining | en_US |
dc.subject | prediksi | en_US |
dc.subject | jaringan syaraf tiruan | en_US |
dc.subject | back propagation | en_US |
dc.title | Analisis Pemanfaatan Data Mining dalam Penentuan Variabel untuk Prediksi Indeks Prestasi Mahasiswa Menggunakan Metode Back-Propagation Neural Network | en_US |
dc.type | Thesis | en_US |
dc.identifier.nim | NIM087034030 | |
dc.description.pages | 91 Halaman | en_US |
dc.description.type | Tesis Magister | en_US |