Pendekatan Ensemble Learning Untuk Meningkatkan Akurasi Prediksi Kinerja Akademik Mahasiswa

Uce Indahyanti, UI and Nuril Lutvi Azizah, NLA and Hamzah Setiawan, HS Pendekatan Ensemble Learning Untuk Meningkatkan Akurasi Prediksi Kinerja Akademik Mahasiswa. Teknik Informatika Politeknik negeri tanah laut, Jurnal Sains dan Informatika.

Text Pendekatan Ensemble Learning Untuk Meningkatkan Akurasi Prediksi Kinerja Akademik Mahasiswa.pdf Download (2MB)

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasiprediksi kinerja mahasiswa dalam sistem pembelajaran virtualatau elearningmenggunakan pendekatan ensemble learning. Dataset penelitian merupakan data publik berupa data log aktifitas elearning. Dataset yang telah melalui tahap preprocessing, dimasukkan ke dalam pemodelan prediksi menggunakan gabungan beberapa algoritma pengklasifikasi yaitu Decision Tree, Random Forest, dan AdaBoost(ensemble learning). Tahap berikutnya mengevaluasi kinerja model dan menganalisis hasil prediksi menggunakan teknik root mean square error(RMSE). Output pemodelan berupa tiga levelprediksi kinerja akademik (kelulusan mahasiswa) dalam sebuah course/semester, yaitu low-level, middle-level, dan high-level. Hasil pemodelan menunjukkan bahwa algoritma RF menghasilkan prediksi yang lebih akurat dibandingkan algoritma Decision Treedan AdaBoost, yaitu sebesar 75.79%, dengan RMSE mendekati 0 yaitu0.44.Dampak penelitian ini dapat memberikan tambahan kajian sekaligus konfirmasi penerapan teknik ensemble learningdalam pemodelan prediksi. Selain itu hasil prediksi kinerja akademik mahasiswa dapat dijadikan sebagai bahan evaluasi dalam proses pembelajaran.

Item Type:	Other
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering > School of Computer Engineering
Depositing User:	Mr hamzah hamzah
Date Deposited:	27 Feb 2024 10:07
Last Modified:	27 Feb 2024 10:07
URI:	http://eprints.umsida.ac.id/id/eprint/13446

Actions (login required)

View Item