ETD - UIR

Electronic Thesis and Dissertation

  • Home
  • Information
  • News
  • Help
  • Librarian
  • Member Area
    Member Login Online Registration
  • Select Language :
    Arabic Bengali Brazilian Portuguese English Espanol German Indonesian Japanese Malay Persian Russian Thai Turkish Urdu

Search by :

ALL Author Subject NPM Advanced Search

Last search:

{{tmpObj[k].text}}
Image of Data Mining Untuk Klasifikasi Tingkat Burnout Mahasiswa/i Dalam Menyelesaikan Tugas Akhir Di Universitas Islam Riau Menggunakan Metode Random Forest
Bookmark Share

Art Original

Data Mining Untuk Klasifikasi Tingkat Burnout Mahasiswa/i Dalam Menyelesaikan Tugas Akhir Di Universitas Islam Riau Menggunakan Metode Random Forest

Muqsitoh Aldila Andela Sara - Personal Name; Mutia Fadhilla - Personal Name;

Menyelesaikan tugas akhir merupakan syarat wajib bagi mahasiswa untuk mendapatkan gelar Sarjana. Tantangan yang dihadapi seperti beban kerja yang tinggi, tekanan waktu, dan tanggung jawab yang signifikan, dapat memberikan dampak pada kesejahteraan mental, emosional mahasiswa. Dalam beberapa kasus, kondisi ini dapat menyebabkan burnout, yang dapat dikenali dengan tiga dimensi utama yaitu , kejenuhan emosional, sinisme, dan penurunan prestasi pribadi. Penelitian ini bertujuan untuk mengkategorikan tingkat burnout mahasiswa dalam menyelesaikan tugas akhir serta mengembangkan sistem yang membantu menilai tingkat burnout tersebut. Metode yang digunakan adalah metode Random Forest, salah satu metode klasifikasi dengan berbasis pohon keputusan. Metode ini bekerja dengan membangun sejumlah pohon melalui bootstrap sampling, memilih subset prediktor acak, serta melakukan perhitungan entropy dan information gain untuk membangun pohon keputusan. Hasil klasifikasi ditentukan berdasarkan pada suara terbanyak dari seluruh pohon dalam model. Metode random forest digunakan untuk mengidentifikasi nilai n_estimators yang optimal. Hasil pengujian menunjukkan bahwa dengan n_estimators = 11, sistem klasifikasi mencapai accuracy 88.33%, precision 89.52%, recall 72.16%. Hasil ini menunjukkan bahwa tingkat burnout dapat diprediksi secara akurat dengan metode random forest. dengan demikian klasifikasi tingkat burnout pada mahasiswa dalam menyelesaikan tugas akhir dapat dijadikan alternatif yang baik dalam mengidentifikasi tingkat burnout.


Availability
#
Teknik Informatika (Fakultas Teknik) Teknik 622 Muq d
252518
Available but not for loan - ETD
Detail Information
Call Number
-
Language
NPM
203510276
Publisher
Informatika : Universitas Islam Riau., 2025
Keyword(s)
Kata Kunci : data mining, burnout, metode random f
Other Information
Petugas
Furqan
Other version/related

No other version available

File Attachment
  • Please login to see this attachment
Comments

You must be logged in to post a comment

ETD - UIR
  • Information
  • Services
  • Librarian
  • Member Area

About Us

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Search

start it by typing one or more keywords for title, author or subject

Keep SLiMS Alive Want to Contribute?

© 2026 — Senayan Developer Community

Powered by SLiMS
Select the topic you are interested in
  • Computer Science, Information & General Works
  • Philosophy & Psychology
  • Religion
  • Social Sciences
  • Language
  • Pure Science
  • Applied Sciences
  • Art & Recreation
  • Literature
  • History & Geography
Icons made by Freepik from www.flaticon.com
Advanced Search
Where do you want to share?