http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/13 Ini adalah karya mahasiswa universitas potensi utama Sun, 23 Aug 2026 21:28:38 GMT 2026-08-23T21:28:38Z http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/6900 Title: ANALISIS KOMPARASI ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR UNTUK MEMPREDIKSI KELULUSAN MAHASISWA TEPAT WAKTU Authors: Gunawan, Muhammad Abstract: Mahasiswa merupakan salah satu pilar penting dalam siklus hidup suatu perguruan tinggi. Dalam proses berkembangnya, suatu perguruan tinggi dapat dipengaruhi oleh berapa banyak jumlah lulusan strata-1 (S1) dari perguruan tinggi tersebut. Jumlah kelulusan suatu perguruan tinggi terkadang memiliki rasio yang rendah jika dibandingkan dengan jumlah mahasiswa yang diterima pada tahun ajaran yang sama. Tingkat kelulusan mahasiswa yang rendah ini dapat diakibatkan oleh beberapa faktor, seperti banyaknya kegiatan kemahasiswaan yang diikuti, faktor ekonomi, dan beberapa faktor tidak terduga lainnya. Hal ini membuat suatu perguruan tinggi harus memiliki suatu skema atau suatu rumus yang dapat memprediksi apakah mahasiswa tersebut dapat lulus tepat waktu. Normalnya, seorang mahasiswa strata-1 (S1) menempuh pendidikan selama 8 semester. Tetapi dengan adanya beberapa faktor yang telah disebutkan dapat membuat waktu menempuh pendidikan S1 menjadi lebih banyak, atau bahkan gagal lulus. Penelitian ini akan mencoba untuk membandingkan hasil Analisa dua metode dalam algoritma klasifikasi untuk memprediksi kelulusan mahasiswa. Algoritma yang digunakan ialah Algoritma K-Nearest Neighbour dan Naïve Bayes. Penelitian ini juga bertujuan mengidentifikasi algoritma terbaik di antara dua pilihan algoritma klasifikasi tersebut. Penelitian ini menghasilkan kesimpulan bahwa algoritma Naïve Bayes memiliki tingkat akurasi yang sama dengan algoritma KNN dalam memprediksi kelulusan mahasiswa program studi Pendidikan Kedokteran yaitu sebesar 90 %. Thu, 01 Jul 2021 00:00:00 GMT http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/6900 2021-07-01T00:00:00Z http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/6899 Title: ANALISIS DATA MINING UNTUK CLUSTERING KELAS SISWA TUNAGRAHITA MENGGUNAKAN ALGORITMA K-MEDOIDS Authors: Sariangsah, Husin Abstract: Selama ini penempatan kelas untuk siswa tunagrahita berdasarkan usia masuk anak pada saat mendaftar di SLB C Muzdalifah, tidak dilakukan tes IQ untuk siswa tunagrahita dalam mengelompokkan kelas siswa. sehingga mengakibatkan proses belajar mengajar sedikit terganggu. Karena anak tunagrahita memiliki penanganan yang berbeda beda sesuai dengan kemampuan individu masing-masing.Penelitian ini bertujuan untuk melakukan pengelompokan terhadap data anak tunagrahita menggunakan teknik Clustering. Metode yang digunakan adalah K-Medoids Clustering. Hasil dari pengelompokan ini didapat 3 cluster yaitu cluster 0 merupakan tunagrahita berat terdiri dari 10 siswa, cluster 1 merupakan tunagrahita sedang terdiri dari 16 siswa dan cluster 2 merupakan tunagrahita ringan terdiri dari 10 siswa. Sehingga dari hasil penelitain ini, pihak SLB Muzdalifah dapat mempersiapkan kelas berdasarkan pengelompokan untuk aktivitas belajar mengajar. Thu, 01 Jul 2021 00:00:00 GMT http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/6899 2021-07-01T00:00:00Z http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/6898 Title: ANALISIS HASIL PENDUKUNG KEPUTUSAN MENDAPATKAN RUMAH DINAS PERUSAHAAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) DAN TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) Authors: Zulherry, Andi Abstract: Rumah dinas merupakan fasilitas yang dibangun perusahaan untuk ditempati oleh pekerja. Bagi perusahaan yang memiliki jumlah pekerja yang cukup besar masih kesulitan dalam hal ketentuan pemberian rumah dinas tersebut, sehingga diperlukan Analisa hasil keputusan dengan metode yang dapat membantu proses seleksi untuk mendapatkan rumah dinas perusahaan tersebut. Untuk mengatasi masalah tersebut maka perlu dibangun suatu sistem pendukung keputusan dengan menggunakan metode AHP dan TOPSIS untuk memudahkan bagi perusahaan dalam memberikan rumah dinas bagi para pekerjanya. Hasil dari penelitian ini menunjukkan setelah dilakukan evaluasi dari kedua metode AHP dan TOPSIS karyawan yang berhak mendapatkan rumah dinas adalah 5 orang dengan hasil keputusan sangat layak. Dengan hasil perhitungan AHP ke 5 orang karyawan mendapatkan nilai tertinggi yaitu 3 dan nilai terendah adalah 0.483 sedangan pada hasil perhitungan akhir metode TOPSIS karyawan yang dikategorikan sangat layak mendapatkan rumah dinas adalah 6 orang, dimana nilai tertinggi adalah 1 dan nilai terendah adalah 0.229. Thu, 01 Jul 2021 00:00:00 GMT http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/6898 2021-07-01T00:00:00Z http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/6897 Title: ANALISIS PERBANDINGAN METODE ALGORITMA NAïVE BAYES DAN C4.5 UNTUK MENDIAGNOSA PENYAKIT DIABETES MELLITUS Authors: Mayasari, Dian Abstract: Diabetes Mellitus (DM) adalah suatu penyakit yang berhubungan dengan pengaturan kadar gula darah pada tubuh manusia. Diabetes Melitus (DM) merupakan penyakit kronis, yang membutuhkan perawatan mandiri untuk meningkatkan kualitas hidup penderitanya. Diabetes Mellitus atau biasa disebut DM adalah suatu penyakit yang di sebabkan kurang nya insulin dan menyebabkan gangguan metabolisme yang di tandai dengan hiperglikemi berhubungan dengan abnormalitas metabolisme karbohidrat, lemak dan protein, hiperglikemia yang lama akan menyebabkan arterosklerosis, penebalan membran basalis dan perubahan pada saraf perifer dan menyebabkan terjadinya gangren, hal ini menyebabkan terjadinya kerusakan integritas kulit. Penelitian studi kasus ini bertujuan untuk mendiagnosa Penyakit Diabetes Melitus. Terdapat ada 13 Variabel dalam penelitian ini yaitu : umur, jenis kelamin, kadar gula darah, sering buang air kecil, rasa haus yang berlebihan, penurunan berat badan, kelaparan, kulit bermasalah, penyembuhan luka lambat, infeksi jamur, mudah letih, pandangan kabur dan kesemutan atau mati rasa. Sedangkan output yang dihasilkan terdapat 3 class yaitu DM Tipe 1, DM Tipe 2 dan Bukan Diabetes Mellitus. Prosedur yang berjalan dalam melakukan diagnosa penyakit Diabetes Mellitus tersebut dilakukan berdasarkan proses perhitungan rata-rata terbobot pada masing-masing kriteria. Penerapan algoritma Naïve Bayes dan C4.5 dapat digunakan dalam menganalisis pengklasifikasian penyakit Diabetes Mellitus. Tujuan penelitian ini untuk menentukan tingkat akurasi terhadap kedua metode yang digunakan dengan menggunakan tools Weka 3.9 dengan menggunakan evaluasi kinerja data mining Cross Validasion 5 dan 10 Fold Validation sebagai perbandingan. Hasil implementasi dengan Algoritma Naïve Bayes memperoleh nilai tertinggi dengan 10 Fold Cross Validation dengan nilai akurasi sebesar 98,330%, nilai Presisi sebesar 0,984 dan Recall sebesar 0,983. Sedangkan penerapan dengan Algoritma C4.5 mampu memberikan nilai akurasi yang baik yaitu 10 Fold Cross Validation memperoleh nilai akurasi sebesar 95% dengan nilai Precision sebesar 0,949 dan Recall sebesar 0,950. Sehingga dapat diambil kesimpulan bahwa penerapan dengan Algoritma Naïve Bayes merupakan algoritma terbaik dalam kasus mendiagnosa Penyakit Diabetes Mellitus. Wed, 01 Dec 2021 00:00:00 GMT http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/6897 2021-12-01T00:00:00Z