Rohmattullah, Muhammad (2020) PERBANDINGAN AKURASI ALGORITMA MACHINE LEARNING UNTUK PREDIKSI PENDAFTAR MAHASISWA BARU DI UNIVERSITAS XYZ. Undergraduate thesis, Universitas 17 Agustus 1945 Surabaya.
![]() |
Text
ABSTRAK.pdf Download (1MB) |
![]() |
Text
BAB 1.pdf Restricted to Registered users only Download (11kB) | Request a copy |
![]() |
Text
BAB 2.pdf Restricted to Registered users only Download (235kB) | Request a copy |
![]() |
Text
BAB 3.pdf Restricted to Registered users only Download (334kB) | Request a copy |
![]() |
Text
BAB 4.pdf Restricted to Registered users only Download (1MB) | Request a copy |
![]() |
Text
BAB 5.pdf Restricted to Registered users only Download (12kB) | Request a copy |
![]() |
Text
LAMPIRAN.pdf Download (172kB) |
![]() |
Text
JURNAL.pdf Download (430kB) |
![]() |
Text
JURNAL TURNITIN.pdf Download (2MB) |
Abstract
Penerimaan mahasiswa tahun ajaran baru dapat mengalami peningkatan dan dapat juga mengalami penurunan. Hal ini merupakan suatu masalah yang dihadapi Universitas dalam menentukan langkah-langkah strategi kedepannya. Sehingga diperlukan adanya prediksi atau peramalan untuk mengetahui perolehan jumlah mahasiswa baru, agar semua kebijakan dan keputusan dalam menyusun perencanaan kedepan dapat terpenuhi dengan baik. Penelitian ini bertujuan untuk mengindentifikasi dan memprediksi jumlah pendaftar mahasiswa baru dengan menggunakan Machine learning. Dataset yang digunakan adalah jumlah pendaftar mahasiswa baru pada tahun 2018-2020 Universitas XYZ dengan jumlah 7485 data yang telah dinormalisasi dengan 6 Data Fitur dan 1 Label Data. Algoritma yang digunakan dalam predisksi ini adalah Gradient Boosting, Decision Tree, K-NN, Logistic Regresion dan Random Forest. Dimana hasil prediksi tersebut dapat memberikan kemudahan kepada Universitas dalam menentukan langkah-langkah strategi dalam mengambil keputusan dan kebijakan pada tahun yang akan datang.
Item Type: | Thesis (Undergraduate) |
---|---|
Subjects: | T Technology > T Technology (General) |
Divisions: | Fakultas Teknik > Program Studi Teknik Informatika |
Depositing User: | Muhammad Rohmattullah J |
Date Deposited: | 17 Sep 2020 07:16 |
Last Modified: | 17 Sep 2020 07:16 |
URI: | http://repository.untag-sby.ac.id/id/eprint/5666 |
Actions (login required)
![]() |
View Item |