ALGORITMA REGRESI LINEAR SEDERHANA DALAM MEMPREDIKSI STATUS MAHASISWA STIKOM TUNAS BANGSA PEMATANG SIANTAR
Abstract viewed = 0 times
pdf (Bahasa Indonesia) downloaded = 0 times
Abstract
STIKOM Tunas Bangsa Pematangsiantar merupakan salah satu perguruan tinggi IT yang terkemuka di wilayah Pematang Siantar. Pada saat ini, memiliki jumlah 590 mahasiswa aktif. Jumlah ini meningkat dibandingkan dengan tahun ajaran sebelumnya yang hanya berjumlah 537 mahasiswa. Ini yang membuktikan bahwa STIKOM Tunas Bangsa Pematang Siantar semakin diminati oleh calon mahasiswa. Dari jumlah mahasiswa yang begitu besar, STIKOM Tunas Bangsa Pematang Siantar masih mengalami kesulitan dalam memprediksi status mahasiswa yang terdiri dari mahasiswa aktif dan mahasiswa yang tidak aktif. Dari ke dua status tersebut dibutuhkan metode yang dapat menggali informasi dari data tersebut. Data mining dapat melakukan proses analisa data dan memprediksi data untuk menemukan hasilnya dari data mahasiswa tersebut. Dalam kasus ini analisa data mining dilakukan dengan menggunakan algoritma regresi linear sederhana. Solusi yang diusulkan untuk menyelesaikan masalah yang ada saat ini adalah dengan menerapkan algoritma regresi linear sederhana dalam memprediksi status mahasiswa STIKOM Tunas Bangsa Pematang Siantar untuk tahun ajaran yang akan datang.
References
[2] S. Anastassia, A. Kharis, A. Haqqi, and A. Zili, “Learning Analytics dan Educational Data Mining pada Data Pendidikan,” vol. 6, pp. 12–20, 2022.
[3] F. R. Sanni Ucha Putri, Eka Irawan, “Implementasi Data Mining Untuk Prediksi Penyakit Diabetes,” vol. 2, no. 1, pp. 39–46, 2021.
[4] F. A. Pratama, R. Narasati, and D. R. Amalia, “Pengaruh Kata Cashback Terhadap Peningkatan Penjualan Menggunakan Data Mining,” vol. 3, no. 2, pp. 1–5, 2019.
[5] K. Annisa, B. S. Ginting, and M. A. Syari, “Penerapan Data Mining Pengelompokan Data Pengguna Air Bersih Berdasarkan Keluhannya Menggunakan Metode Clustering Pada PDAM Langkat,” vol. 6341, no. April, 2022.
[6] M. Safii, “Implementasi Data Mining Dengan Metode Pohon Keputusan Algoritma Id3 Untuk Menentukan Status Mahasiswa,” vol. 2, no. 1, pp. 82–86, 2018.
[7] M. F. D. Nurul Indah Prabawati, Widodo, “Kinerja Algoritma Classification a nd Regression Tree ( Cart ) da lam Mengklasifikasikan Lama Masa Studi Mahasiswa y ang Mengikuti Organisasi d i Universitas Negeri Jakarta Avalaiable at : Avalaiable at :,” vol. 3, no. 2, pp. 139–145, 2019.
[8] R. Purba, N. A. Hasibuan, and E. Hatmi, “Implementasi Data Mining Menggunakan Metode Deskripsi Untuk Mengetahui Pola Penentuan Penerima Bantuan Siswa Miskin ( BSM) Di Smp N 3 Doloksanggul,” vol. 3, pp. 493–498, 2019, doi: 10.30865/komik.v3i1.1632.
[9] M. D. Wahyudi, “Penerapan data mining dengan algoritma c4.5 dalam prediksi penjualan buku,” vol. 1, no. 1, pp. 1–6, 2023.
[10] M. Idris, “Implementasi Data Mining Dengan Algoritma Naïve Bayes Untuk Memprediksi Angka Kelahiran,” vol. 7, pp. 421–428, 2019.
[11] A. Yordan, T. N. Putri, and D. H. Lamkaruna, “Peramalan Penerimaan Mahasiswa Baru Universitas Samudra Menggunakan Metode Regresi Linear Sederhana,” J. Tek. Inform., vol. 2, no. 1, pp. 21–27, 2019, doi: 10.52046/j-tifa.v2i1.237.
[12] D. A. Trianggana, “a Peramalan Jumlah Siswa-Siswi Melalui Pendekatan Metode Regresi Linear,” J. Media Infotama, vol. 16, no. 2, pp. 115–120, 2020, doi: 10.37676/jmi.v16i2.1149.
[13] A. Anggrawan and N. Azmi, “Prediksi Penjualan Produk Unilever Menggunakan Metode Regresi Linear Sales Prediction of Unilever Products using the Linear Regression Method,” vol. 4, no. 2, pp. 123–132, 2022, doi: 10.30812/bite.v4i2.2416.
[14] P. S. Ramadhan and N. Safitri, “Penerapan Data Mining Untuk Mengestimasi Laju Pertumbuhan Penduduk Menggunakan Metode Regresi Linier Berganda Pada BPS Deli Serdang,” vol. 18, no. 1, pp. 55–61, 2019.
