PENGARUH FEATURE SELECTION PADA PREDIKSI NILAI MATA KULIAH MAHASISWA MENGGUNAKAN MACHINE LEARNING DENGAN LOG DATA LMS
Penulis Utama
:
Fauzy Prasetyo Adhi
NIM / NIP
:
M0519037
×<p>Prestasi siswa memiliki peran penting bagi perguruan tinggi. Namun, mengumpulkan data dan menganalisis data siswa merupakan tantangan setiap perguruan tinggi dalam memprediksi prestasi siswa. Teknik data mining dapat membantu dalam mengidentifikasi siswa, meningkatkan praktik pendidikan, dan mendukung administrasi. Penelitian ini mengeksplorasi kombinasi algoritma klasifikasi dengan teknik seleksi fitur pada data log Learning Management System (LMS). Telah banyak dilakukan penelitian sebelumnya terkait prediksi nilai mata kuliah. Meskipun demikian, masih jarang peneliti yang menggabungkan kombinasi antara algoritma klasifikasi dengan teknik feature selection pada data log LMS. Penelitian ini berkontribusi dalam pengoptimalan teknik Educational Data Mining (EDM) pada data log LMS dengan algoritma klasifikasi Decision Tree (DT), Random Forest (RF), dan Support Vector Machine (SVM), serta teknik seleksi fitur menggunakan Mutual Information (MI) dan Forward Selection (FS) untuk memprediksi nilai mata kuliah dan mengidentifikasi atribut relevan berdasarkan hasil perfoma model terbaik. Hasil penelitian menunjukkan bahwa algoritma RF mencapai nilai prediksi tertinggi sebesar 90,98% ketika dikombinasikan dengan teknik FS, yang juga pada kasus ini meningkatkan performa algoritma klasifikasi secara keseluruhan. Selain itu, ditemukan juga bahwa pola perilaku mahasiswa dalam pembelajaran daring, seperti mengumpulkan tugas, mengikuti sesi pertemuan daring, dan membuat topik pada sebuah forum merupakan faktor penting dalam mendapatkan nilai yang bagus dalam kuliah.</p>
×
Penulis Utama
:
Fauzy Prasetyo Adhi
Penulis Tambahan
:
-
NIM / NIP
:
M0519037
Tahun
:
2024
Judul
:
PENGARUH FEATURE SELECTION PADA PREDIKSI NILAI MATA KULIAH MAHASISWA MENGGUNAKAN MACHINE LEARNING DENGAN LOG DATA LMS
Edisi
:
Imprint
:
Surakarta - Fak. Teknologi Informasi dan Sains Data - 2024
Program Studi
:
S-1 Informatika
Kolasi
:
Sumber
:
Kata Kunci
:
Nilai Mata Kuliah, Decision Tree, Random Forest, Support Vector Machine, Educational Data Mining, Log Mining, Learning Management System
