<![CDATA[Universitas Terbuka merupakan Perguruan Tinggi Negeri (PTN) ke-45 di Indonesia yang menerapkan sistem belajar terbuka dan jarak jauh, keberhasilan pembelajaran lebih ditentukan oleh adanya jiwa kemandirian dan motivasi tinggi dari mahasiswa. Untuk mengetahui keberhasilan sistem pembelajaran yang diberikan, dilakukan survei menggunakan kuesioner yang dibagikan kepada mahasiswa untuk mengetahui penilaian dari masing-masing mahasiswa. Tujuan dari penelitian ini adalah untuk mengklaster dan mengklasifikasi data hasil kuesioner tingkat kepentingan sistem pembelajaran Universitas Terbuka dengan menggunakan software RapidMiner 9.0.0.3. Metode klasterisasi yang digunakan adalah algoritma k-medoids, sedangkan metode yang digunakan untuk klasifikasi adalah algoritma Naïve Bayes, k-NN, dan C4.5. Dari pengolahan data tersebut didapatkan hasil 2 klaster dengan pembagian data sebanyak 273 pada klaster 0 dan klaster 1 sebanyak 97 data. Pada proses klasifikasi, algoritma Naïve Bayes memperoleh nilai akurasi paling tinggi dibandingkan dengan algoritma yang lain dengan nilai akurasi sebesar 72,70% dengan nilai AUC sebesar 0,499. Sedangkan algoritma k-NN memperoleh nilai akurasi sebesar 71,62% dengan nilai AUC sebesar 0,438 dan algoritma C4.5 memperoleh nilai akurasi sebesar 68,92% dengan nilai AUC sebesar 0,450.]]>
Copyrights © 2020
