PENGEMBANGAN PREDIKSI KELULUSAN MATA KULIAH BERBASIS WEB DENGAN ALGORITMA C5.0 (STUDI KASUS PROGRAM STUDI TEKNIK INFORMATIKA UNIVERSITAS ESA UNGGUL)

UPT. PERPUSTAKAAN Universitas Esa Unggul Kampus Emas UEU - Jakarta Barat
Phone	:	021-5674223, ext 282
Fax	:
E-mail	:	[email protected]
Website	:	http://library.esaunggul.ac.id
Support (Customer Service) :
[email protected]

Welcome..guys!

Have a problem with your access?
Please, contact our technical support below:

LIVE SUPPORT

Astrid Chrisafi

! ATTENTION !

To facilitate the activation process, please fill out the member application form correctly and completely

Registration activation of our members will process up to max 24 hours (confirm by email). Please wait patiently

Still Confuse?
Please read our User Guide

UEU » Undergraduate Theses » Teknik Informatika
Posted by [email protected] at 02/05/2024 10:31:13 • 160 Views

PENGEMBANGAN PREDIKSI KELULUSAN MATA KULIAH BERBASIS WEB DENGAN ALGORITMA C5.0 (STUDI KASUS PROGRAM STUDI TEKNIK INFORMATIKA UNIVERSITAS ESA UNGGUL)

Created by :
REDJA DJATA SAPUTRA ( 20190801239 )

Subject:	KELULUSAN MATA KULIAH BERBASIS WEB ALGORITMA C5.0
Alt. Subject :	GRADUATION COURSES WEB-BASED C5.0 ALGORITHM
Keyword:	E-learning Personalisasi prediksi kelulusan algoritma C5.0 AI project cycle

Description:

Selama pembelajaran daring, Universitas Esa Unggul menggunakan platform e-learning sebagai sarana pendukung pembelajaran yang meliputi distribusi materi, tugas, UTS, dan UAS. Namun, penggunaan e-learning ini tidak memperhatikan perbedaan karakter dan pemahaman antar mahasiswa/I, sehingga dianggap kurang efektif. Upaya untuk mengatasi masalah tersebut ialah personalisasi dalam e-learning. Personalisasi diharapkan menjadi solusi yang relevan serta efektif. Untuk menerapkan personalisasi dalam e-learning, dilakukan prediksi kelulusan sebagai salah satu pendekatan. Algoritma C5.0 dipilih sebagai metode prediksi kelulusan, dan AI project cycle digunakan untuk mendukung proses implementasinya. Algoritma C5.0 merupakan algoritma turunan dari decision tree. Hasil pengujian menunjukkan tingkat akurasi algoritma C5.0 sebesar 0.88 berdasarkan 94 data training dan 24 data testing. Dalam analisis atribut, ditemukan bahwa atribut UTS memiliki pengaruh paling signifikan terhadap kelulusan dengan korelasi 0.49, diikuti oleh atribut kedua tugasonline dengan korelasi 0.34, dan atribut terakhir quizonline dengan korelasi 0.15. Tahap akhir penelitian menghasilkan pengembangan model prediksi kelulusan menjadi sebuah API. Penggunaan API ini memungkinkan integrasi model ke dalam platform e-learning, sehingga personalisasi pembelajaran dapat dilakukan secara lebih efisien dan efektif. Dengan demikian, penggunaan personalisasi dalam e-learning melalui prediksi kelulusan berbasis algoritma C5.0 dan API diharapkan dapat meningkatkan kualitas pembelajaran secara keseluruhan, mengakomodasi perbedaan antar mahasiswa, dan memberikan pengalaman belajar yang lebih baik.

Contributor	:	Dr. Vitri Tundjungsari, ST., M.Sc
Date Create	:	02/05/2024
Type	:	Text
Format	:	PDF
Language	:	Indonesian
Identifier	:	UEU-Undergraduate-20190801239
Collection ID	:	20190801239

Source :
Undergraduate Theses of Informastics Engineering

Relation Collection:
Fakultas Ilmu Komputer

Coverage :
Civitas Akademika Universitas Esa Unggul

Rights :
@2024 Perpustakaan Universitas Esa Unggul

Publication URL :
https://digilib.esaunggul.ac.id/pengembangan-prediksi-kelulusan-mata-kuliah-berbasis-web-dengan-algoritma-c50-studi-kasus-program-studi-teknik-informatika-universitas-esa-unggul-33771.html

[ Free Download - Free for All ]