PREDIKSI INDEKS KELULUSAN MATA KULIAH DENGAN RANDOM FOREST

AGUNG RIZKY

Informasi Umum

Kode

22.04.155

Klasifikasi

005.7 - Data in Computer Systems

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Analysis

Dilihat

258 kali

Informasi Lainnya

Abstraksi

Kemajuan teknologi dalam bidang pendidikan saat ini telah menjadikan pembelajaran online sebagai mode pembelajaran konvensional pada setiap perguruan tinggi. Kondisi sekarang ini dengan adanya pengubahan proses pembelajaran yang diharuskan secara online dapat berpengaruh terhadap performa belajar setiap mahasiswa dengan kemungkinan performa yang bisa semakin baik atau bahkan dapat menurun. Maka dari itu pada penelitian ini dilakukan prediksi indeks kelulusan mata kuliah mahasiswa pada pembelajaran online saat ini berdasarkan log data yang disediakan pada Learning Management System (LMS) kampus, diantaranya frekuensi aktivitas mahasiswa pada LMS serta nilai kuis dari minggu ke-1 sampai minggu ke-14. Keseluruhan data tersebut dikumpulkan lalu dilakukan pengklasifikasian menggunakan algoritma random forest dengan menggunakan 7 label indeks yang dikelompokkan menjadi 3 label kategori diantaranya kategori dengan label ‘Baik’, ‘Cukup’, dan ‘Rendah’. Setelah itu dilakukan evaluasi dan analisis dengan melihat persentase tingkat akurasi yang dihasilkan serta evaluasi pada tabel multi-class confusion matrix. Pada penelitian ini didapatkan tingkat akurasi paling tinggi pada evaluasi dengan data full semester sebesar 62% dan dengan menggunakan oversampling data sebesar 92%. Hasil analisa pada penelitian ini menunjukkan performa mahasiswa pada mata kuliah Pemodelan dan Basis Data terbilang cukup sebelum UTS dan dalam satu semester penuh performa pada mahasiswa terbilang baik.