PERBANDINGAN DAN PREDIKSI KELULUSAN MAHASISWA DENGAN WEKA
December 28, 2021
Nur Azis

Metrics

  • Eye Icon 56 views
  • Download Icon 0 downloads
Metrics Icon 56 views  //  0 downloads
Abstract

Dalam mengolah data mahasiswa dalam memprediksi kelulusan haruslah menggunakan sebuah metode, metode tersebut merupakan metode data mining yang bisa memanfaatkan kumpulan data yang dihasilkan oleh sebuah sistem dalam sebuah organisasi maupun lembaga, sehingga menjadi informasi yang bernilai strategis. Dalam buku ini menyajikan sebuah teknik data mining yang dapat digunakan untuk membantu menemukan karakteristik mahasiswa yang lulus dengan perbandingan tiga mata kuliah pada sebuah fakultas di sebuah Perguruan Tinggi Swasta di Jakarta utara, sehingga untuk selanjutnya dapat digunakan untuk mempredeksi kelulusan mahasiswa serta keberhasilan Metode dosen dalam memberikan Pengajaran di masa yang akan datang. Selain dari itu Penggunaan perangkat lunak weka sebagai alat bantu dalam proses klasifikasi memberikan hasil bahwa dalam memberikan gambaran tentang studi mahasiswa dengan metode yang mudah dipelajari serta memberikan kesan bahwa prediksi dengan metode data mining sangat mudah untuk dipahami. Berdasarkan hal tersebut maka, buku ini menyajikan segala yang dibutuhkan oleh para pengelola pendidikan dalam mengolah data mahasiswa dalam memprediksi kelulusan sehingga menciptakan system pengelolaan kelulusan yang baik efektif dan efisien. Oleh sebab itu buku ini hadir kehadapan sidang pembaca sebagai bagian dari upaya diskusi sekaligus dalam rangka melengkapi khazanah keilmuan dibidang pengelolaan lembega pendidikan, sehingga buku ini sangat cocok untuk dijadikan bahan acuan bagi kalangan intelektual dilngkungan perguruan tinggi ataupun praktisi yang berkecimpung langsung dibidang pengelolaan lembega pendidikan.

Full text
Show more arrow
 
More from this repository
HUKUM LINGKUNGAN
SUMBER DAN MEDIA PEMBELAJARAN SD
🧐  Browse all from this repository

Metrics

  • Eye Icon 56 views
  • Download Icon 0 downloads
Metrics Icon 56 views  //  0 downloads