Fuzzy Decision Tree to Predict Student Success in Their Studies

Santoso, Heri

doi:10.46336/ijqrm.v1i3.59

Cited by 5 publications

(1 citation statement)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Salah satu metode dalam melaksanakan prediksi yang bisa dipakai yaitu dengan metode knowledge discovery ataupun disebut sebagai Data Mining. Data mining ialah proses dalam mengekstraksi knowledge ataupun pengetahuan beberapa data yang jumlahnya banyak yang sebelumnya tidak diketahui [25], [26]. Goal data mining disini ialah untuk mengekstraksi data yang bermanfaat dari sejumlah data yang ada.…”

Section: Pendahuluanunclassified

Perancangan Sistem Prediksi Kelulusan Mahasiswa Universitas Dian Nuswantoro Menggunakan Unified Modelling Language

Zeniarja

Salam²,

Ma’ruf³

2022

Restikom

View full text Add to dashboard Cite

Mahasiswa ialah salah satu tiang yang sangat berarti dalam siklus hidup suatu Universitas. Jumlah kelulusan suatu Universitas sering kali mempunyai perbandingan yang kecil bila dibanding dengan jumlah mahasiswa yang diperoleh pada tahun akademik yang serupa. Tingkatan kelulusan mahasiswa yang kecil ini bisa disebabkan oleh sebagian aspek, seperti banyaknya aktivitas kemahasiswaan yang diiringi oleh aspek ekonomi, serta aspek – aspek lainnya. Perihal ini membuat sesuatu Universitas wajib mempunyai desain ataupun metode yang bisa memperhitungkan apakah mahasiswa itu bisa lulus dengan durasi yang sesuai. Salah satu faktor yang mendukung keberhasilan di dalam Univeritas adalah mahasiswa yang lulus dengan durasi yang sesuai. Semakin banyak mahasiswa yang lulus dengan durasi yang sesuai (dalam hal ini untuk sarjana yaitu <= 8 semester), harus berbanding yang sama atau lebih tinggi terhadap jumlah mahasiswa yang masuk pada suatu Universitas. Jika jumlah mahasiswa yang tidak lulus dengan durasi yang sesuai lebih tinggi, maka dapat menyebabkan lonjakan peningkatan jumlah data akademis dari semua mahasiswa yang masih terdaftar sehingga akan mempengaruhi citra dan reputasi dari Universitas yang nantinya dapat mengancam nilai akreditasi Universitas tersebut. Untuk mengatasi hal tersebut, maka diperlukan sistem yang dapat memprediksi kelulusan mahasiswa. Objek Penelitian ini dilakukan pada mahasiswa Universitas Dian Nuswantoro. Perancangan sistem prediksi menggunakan diagram Unified Modelling Language (UML). Diharapkan sistem prediksi kelulusan mahasiswa ini dapat berjalan optimal sehingga dapat memprediksi dan mengantisipasi secara dini profil kelulusan mahasiswa Universitas Dian Nuswantoro yang tidak sesuai meskipun di tengah wabah pandemi Covid-19.

show abstract

Section: Pendahuluanunclassified

Perancangan Sistem Prediksi Kelulusan Mahasiswa Universitas Dian Nuswantoro Menggunakan Unified Modelling Language

Zeniarja

Salam²,

Ma’ruf³

2022

Restikom

View full text Add to dashboard Cite

show abstract

Educational data mining to predict students' academic performance: A survey study

et al. 2022

View full text Add to dashboard Cite

Prediction of student exam performance using data mining classification algorithms

Khairy,

Alharbi,

Amasha

et al. 2024

Educ Inf Technol

View full text Add to dashboard Cite

Student outcomes are of great importance in higher education institutions. Accreditation bodies focus on them as an indicator to measure the performance and effectiveness of the institution. Forecasting students’ academic performance is crucial for every educational establishment seeking to enhance performance and perseverance of its students and reduce the failure rate in the future. The main goal of this study is to predict the performance of undergraduate first-level students in the Computer Department during the years 2016 to 2021 to enhance their performance in future by discovering the best algorithm use to analyze the educational data to identify the students’ academic performance. The secondary data was collected by reviewing the Student Affairs Department at the Faculty of Specific Education at Damietta University, in addition to the Statistics Department at the university. The dataset contained 830 instances after excluding 139 instances of missing values, irrelevant rows, and outliers. The dataset was divided into train (577 instances (70%)), test (253 instances (30%)) and involved six features such year, midterm, practical exam, writing exam, final total degree, and grade. This paper use five machine learning (ML) algorithms which was selected according to the literature review and high accuracy in predicting educational data mining: For the purpose of comparison, a number of different machine learning algorithms, such as Random Forest, Decision Tree, Naive Bayes, Neural Network, and K-Nearest Neighbours, were utilized and evaluated with evaluation metrics such as confusion matrix, accuracy, precision, recall, and F-measure. The Random Forest and Decision Tree classifiers emerged as the top-performing algorithms, accurately categorizing 250 instances when predicting students' performance in the statistics course. This was determined based on the findings of the study. Out of a total of 253 instances that were included in the testing set, they only made three incorrect classifications.

show abstract

Fuzzy Decision Tree to Predict Student Success in Their Studies

Cited by 5 publications

References 5 publications

Perancangan Sistem Prediksi Kelulusan Mahasiswa Universitas Dian Nuswantoro Menggunakan Unified Modelling Language

Perancangan Sistem Prediksi Kelulusan Mahasiswa Universitas Dian Nuswantoro Menggunakan Unified Modelling Language

Educational data mining to predict students' academic performance: A survey study

Prediction of student exam performance using data mining classification algorithms

Contact Info

Product

Resources

About