ANALISIS CLUSTER DAN KLASIFIKASI PADA PENGGUNA BESMART UNY DENGAN ALGORITMA K-MEANS DAN C4.5

Miswaningsih, Neni (2015) ANALISIS CLUSTER DAN KLASIFIKASI PADA PENGGUNA BESMART UNY DENGAN ALGORITMA K-MEANS DAN C4.5. S1 thesis, UNY.

[img]
Preview
Text
BAB I.pdf

Download (125kB) | Preview
[img]
Preview
Text
BAB II.pdf

Download (744kB) | Preview
[img]
Preview
Text
DAFTAR PUSTAKA.pdf

Download (105kB) | Preview

Abstract

Universitas Negeri Yogyakarta (UNY) merupakan Perguruan Tinggi (PT) yang menerapkan e-learning dengan nama BESMART. Melalui BESMART mahasiswa dapat melakukan berbagai aktivitas sesuai kebutuhan informasi (perilaku) yang tersedia di BESMART. Penelitian ini bertujuan untuk menganalisa perilaku pengguna BESMART UNY bedasarkan riwayat aktivitas log BESMART. Data mentah yang digunakan berupa riwayat pengguna BESMART UNY pada tanggal 1 sampai 30 April 2015. Proses analisa perilaku pengguna dibagi menjadi beberapa tahap yaitu: (1) Tahap preprocessing data mentah. (2) Tahap clustering dengan algoritma k-means. (3) Tahap klasifikasi dengan algoritma C4.5 untuk menganalisa nilai akhir matakuliah. Analisa dibantu menggunakan software WEKA. Berdasarkan analisa data mentah sejumlah 198.948 data log dihasilkan 187.857 data yang siap untuk dianalisis, diperoleh kecenderungan akses kegiatan (modul) sebagai berikut: quiz dilakukan FMIPA, aktivitas user dilakukan FE, course dilakukan FT, assignment dilakukan FBS, upload dilakukan FIS, resource dilakukan PPS, forum dilakukan FIP, message dilakukan FIK. Jumlah akses terbanyak diperoleh kegiatan course (FT), pada program studi Pendidikan Teknik Informatika, matakuliah Media Digital (her 2015). Matakuliah Komputer Akuntansi kur 2014 yang memiliki jumlah akses hampir setara dengan matakuliah Media Digital (her 2015) dipilih sebagai pembanding pada analisis hasil belajar. Hasilnya menunjukkan matakuliah Komputer Akuntansi dengan aktivitas mengerjakan assignment, mengakses course, dan melakukan proses upload memiliki nilai hasil akhir lebih tinggi. Selanjutnya untuk mengetahui kinerja prediktif pohon keputusan pada hasil akhir nilai matakuliah Komputer Akuntansi, diperoleh, ukuran pohon keputusan sebesar 201 dan menghasilkan 172 keputusan dengan tingkat akurasi yang cukup baik, yaitu sebesar 87,179%. Kata Kunci: data mining, e-learning, algoritma k-means, algoritma C4.5, software WEKA

Item Type: Thesis (S1)
Subjects: Matematika dan Ilmu Pengetahuan Alam
Matematika dan Ilmu Pengetahuan Alam > Matematika
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) > Pendidikan Matematika > Matematika
Depositing User: Jurusan Pendidikan Matematika
Date Deposited: 26 Nov 2015 01:24
Last Modified: 30 Jan 2019 05:33
URI: http://eprints.uny.ac.id/id/eprint/28354

Actions (login required)

View Item View Item