KLASIFIKASI KEBERLANJUTAN KEGIATAN SINAU BARENG DI KOTA SURABAYA BERDASARKAN KEHADIRAN PESERTA MENGGUNAKAN ALGORITMA SUPERVISED LEARNING

Rabbaanii, Nimas Adjeng Nutfa (2025) KLASIFIKASI KEBERLANJUTAN KEGIATAN SINAU BARENG DI KOTA SURABAYA BERDASARKAN KEHADIRAN PESERTA MENGGUNAKAN ALGORITMA SUPERVISED LEARNING. Undergraduate thesis, UPN Veteran Jawa Timur.

[img] Text (Cover)
21082010033_Cover.pdf

Download (1MB)
[img] Text (Bab 1)
21082010033_Bab 1.pdf

Download (709kB)
[img] Text (Bab 2)
21082010033_Bab 2.pdf
Restricted to Repository staff only until 5 June 2027.

Download (1MB)
[img] Text (Bab 3)
21082010033_Bab 3.pdf
Restricted to Repository staff only until 5 June 2027.

Download (595kB)
[img] Text (Bab 4)
21082010033_Bab 4.pdf
Restricted to Repository staff only until 5 June 2027.

Download (1MB)
[img] Text (Bab 5)
21082010033_Bab 5.pdf

Download (500kB)
[img] Text (Daftar Pustaka)
21082010033_Daftar Pustaka.pdf

Download (583kB)
[img] Text (Lampiran)
21082010033_Lampiran.pdf
Restricted to Repository staff only until 5 June 2027.

Download (608kB)

Abstract

Sinau Bareng adalah salah satu program pendidikan Dinas Kota Surabaya yang berfokus pada kegiatan belajar bersama untuk anak usia sekolah. Keberlanjutan kegiatan “Sinau Bareng” bergantung pada kehadiran peserta dari seriap lokasi. Permasalahan yang muncul adalah adanya ketidakhadiran peserta (tutor dan murid) di beberapa lokasi yang menyebabkan kegiatan tidak dapat berlangsung sebagaimana mestinya. Oleh karena itu, diperlukan prediksi keberlanjutan kegiatan dari masing-masing lokasi berdasarkan data kehadiran peserta. Penelitian membandingkan 3 algoritma yaitu Support Vector Machine, Random Forest dan Naïve Bayes untuk mengetahui algoritma mana yang lebih cocok untuk memprediksi keberlanjutan lokasi. Proses penelitian menggunakan kerangka kerja CRISP-DM yang memiliki 6 tahapan yaitu pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan deployment. Hasil pengujian menunjukkan bahwa model terbaik adalah model dengan algoritma Random Forest Hold-Out 70:30 yang dapat memprediksi data dengan akurasi sebesar 93,85%, presisi 88,07%, recall 93,85%, f1-score 90,87% dan AUC sebesar 63,89%. Kata kunci : Sinau Bareng, Keberlanjutan, CRISP-DM, Support Vector Machine, Random Forest, Naïve Bayes.

Item Type: Thesis (Undergraduate)
Contributors:
ContributionContributorsNIDN/NIDKEmail
Thesis advisorWahyuni, Eka DyarNIP.198412012021212005UNSPECIFIED
Thesis advisorWibowo, Nur CahyoNIP.197903172021211002UNSPECIFIED
Subjects: T Technology > T Technology (General) > T58.6-58.62 Management Information Systems
Divisions: Faculty of Computer Science > Departemen of Information Systems
Depositing User: Nimas Adjeng
Date Deposited: 05 Jun 2025 08:21
Last Modified: 05 Jun 2025 08:21
URI: https://repository.upnjatim.ac.id/id/eprint/37141

Actions (login required)

View Item View Item