PREDIKSI BANDING UANG KULIAH TUNGGAL DI UPN VETERAN YOGYAKARTA MENGGUNAKAN ALGORITMA RANDOM FORES

Muhammad, Ridho (2021) PREDIKSI BANDING UANG KULIAH TUNGGAL DI UPN VETERAN YOGYAKARTA MENGGUNAKAN ALGORITMA RANDOM FORES. Diploma thesis, UPN "VETERAN" YOGYAKARTA.

	Text Laporan_Skripsi Full_123150012_MuhammadRidho.docx Restricted to Repository staff only Download (1MB)
	Text Abstrak_Laporan_123150012_MuhammadRidho.docx Download (20kB)
	Text Cover_123150012_MuhammadRidho.docx Download (307kB)
	Text Daftar_Isi_123150012_MuhammadRidho.docx Download (26kB)
	Text DAFTAR_PUSTAKA_Laporan_123150012.docx Download (14kB)
	Text Halaman_Pengesahan_Pembimbing_123150012_MuhammadRidho.docx Download (182kB)
	Text Halaman_Pengesahan_Penguji_123150012_MuhammadRidho.docx Download (162kB)
	Text Pernyataan Persetujuan Pubikasi.docx Download (136kB)

Abstract

Tujuan: mengimplementasikan algoritma random forest dalam menentukan hasil banding Uang Kuliah Tunggal(UKT) di UPN Veteran Yogyakarta dan untuk mengetahui nilai akurasi dari algoritma random forest pada proses banding Uang Kuliah Tunggal(UKT) sehingga bisa bermanfaat sebagai perbandingan untuk penelitian selanjutnya. Perancangan/metode/pendekatan: Menerapkan algoritma random forest untuk prediksi hasil banding Uang Kuliah Tunggal(UKT). Hasil: Berdasarkan pengujian menggunakan confusion matrix di dapati model random forest yang sudah di bangun memiliki nilai akurasi sebesar 95% untuk predisi hasil banding Uang Kuliah Tunggal(UKT) untuk data dengan pembobotan dan tanpa pembobotan . Keaslian/ state of the art: Pada penelitian ini prediksi hasil banding Uang Kuliah Tunggal di lakuakn dengan menerapkan algoritma random forest dan menggunakan data banding UKT mahasiswa UPN Veteran Yogyakarta Fakultas Teknik Industri pada tahun 2018 dengan tetap menerapkan aturan pembobotan yang digunakan..

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Mesin Pembelajaran, Uang Kuliah Tunggal, Prediksi, Hutan Acak
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Eny Suparny
Date Deposited:	02 Mar 2022 04:07
Last Modified:	02 Mar 2022 04:07
URI:	http://eprints.upnyk.ac.id/id/eprint/28557

Actions (login required)

View Item