Art Original

Implementasi Data Mining untuk Prediksi Jumlah Peminat Mata Kuliah Pilihan Konsentrasi Menggunakan Regresi Linear Berganda

---

Proses penentuan jumlah kelas untuk mata kuliah pilihan konsentrasi pada Program Studi Teknik Informatika Universitas Islam Riau sering menimbulkan kendala akibat tingginya minat mahasiswa yang tidak sebanding dengan jumlah kelas yang tersedia. Kondisi ini mengakibatkan sebagian mahasiswa tidak memperoleh kelas pada saat pengisian KRS sehingga pihak program studi harus melakukan penambahan kelas dan penyusunan ulang jadwal. Penelitian ini bertujuan membangun sistem prediksi jumlah peminat mata kuliah pilihan konsentrasi—Artificial Intelligence (AI), Platform-Based Development, dan Network, Communication & Security—dengan menerapkan metode Data Mining menggunakan algoritma Regresi Linear Berganda. Variabel yang digunakan meliputi data historis peminat, jumlah kelas sebelumnya, jumlah mahasiswa per tahun ajaran, serta dosen yang ditugaskan. Evaluasi model dilakukan melalui perhitungan Mean Aboslute Percentage Error (MAPE) untuk mengukur tingkat akurasi prediksi. Data yang diperoleh dari Badan Sistem Informasi & Komputasi (SIMFOKOM) Universitas Islam Riau dan mendapatkan 169 data dengan pembagian data 80% untuk data training dan 20% digunakan untuk data testing. Hasil pengujian evaluasi model Mean Absolute Percentage Error (MAPE) menunjukkan tingakat akurasi 81,64% pada Artificial Intelligence, 77,89% pada Platform-based Development, 84,32% pada Network, Communication & Security menunjukkan bahwa sistem mampu menghasilkan prediksi jumlah peminat secara lebih terstruktur dan dapat digunakan sebagai dasar pertimbangan dalam menentukan jumlah kelas setiap tahun.

---

Availability

Detail Information

Call Number

Informatika 658.05 Ray i

Language

Indonesia

NPM

203510562

Publisher

Teknik Informatika : Universitas Islam Riau., 2026

Keyword(s)

Prediksi
data mining
Regresi Linear Berganda
Mata Kuliah Pilihan
MAPE

Other Information

Petugas

Ayu Agustina

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment