Sistem Informasi Analisa Kelulusan Mahasiswa Asia Menggunakan Exponential Smoothing Brown-Additive

Abstrak

Penggunaan algoritma C4.5, K-Nearest Neighbours (KNN), Naive Bayes, dan SVM dapat digunakan mengestimasi lulus tidaknya mahasiswa. Hanya saja metode tersebut tidak bisa mengestimasi sisa kekurangan satuan kredit semester (SKS) yang ditempuh mahasiswa. Penulis mengusulkan menggunakan komparasi single exponential smoothing dan brown-additive exponential smooting untuk menganalisa kelulusan mahasiswa untuk estimasi SKS yang akan mereka tempuh. Data series berupa total SKS lulus pada indeks prestasi semester dengan mempertimbangkan data yang dipastikan mahasiswa telah lulus. Penggunaan exponential smoothing dengan model additive tren menunjukkan hasil lebih baik daripada model single. Model tren diuji pada semua mahasiswa yang telah lulus mulai angkatan 2010 sampai dengan 2015 berjumlah 759. Pengujian terbaik menggunakan MAE terjadi pada model ES tren dengan parameter alfa 0,75 dan parameter beta 0,5 dengan selisih ketidakakuratan estimasi pengambilan SKS semester berikutnya sebesar 0,36 SKS.