<![CDATA[Dalam perguruan tinggi, mahasiswa merupakan komponen sangat penting dalampenyelenggaraan pendidikan terutama dalam penilaian akreditasi perguruan tinggi.Kelulusan mahasiswa yang tepat waktu merupakan tolak ukur keberhasilannya tujuanpembelajaran di perguruan tinggi, maka perlu dilakukan analisis dan prediksi terhadapdata kelulusan mahasiswa. Banyak penelitian yang menganalis terhadap datakelulusan mahasiswa dengan teknik data mining dengan objek yang berbeda-beda.Dalam penelitian ini dilakukan perbandingan motede data mining yaitu algoritmaneural network, k-nearest neighbor dan Decision Tree yang diaplikasikan pada datakelulusan mahasiswa. Dari hasil pengujian dengan mengukur kinerja ketiga metodetersebut menggunakan cross validation, confusion matrix dan kurva ROC, diketahuibahwa neural network memiliki nilai akurasi yang paling tinggi yakni sebesar 87,32%,diikuti oleh metode algoritma Decision Tree dengan nilai akurasi 83.57%, kemudianmetode k-nearest neighbor dengan akurasi 83,66%. Nilai AUC untuk metode neuralnetwork menunjukan nilai tertinggi yakni 0,917 dan yang terendah adalah metode DecisionTree yaitu 0,844.Kata KunciData Mining, Mahasiswa, algoritma neural network, k-nearest neighbord, Decision Tree]]>
Copyrights © 2019
