Buku Prosiding Seminar Nasional Tahun 2012 - ELEKTRO ...

TI | 78M d = ∑ ddnnM d = 4M d10= 0,4b. Menentukan nilai t hitung dengan menggunakanrumus tMMMMt =t = ∑ XXXX 2nn (nn −1)0,04 3310(10−1)t = 0,661KlasJumlah Drop Out Gain[d]Realitas Prediksi [Y-X]D21 1 3 2 42 2 4 2 43 1 2 1 14 2 5 3 95 0 1 1 16 1 2 1 17 3 3 0 08 2 4 2 49 2 2 0 010 0 3 3 9Jumlah [∑] 4 33Referensi[1] Djon Irwanto, S. (2006). Perancangan ObjectOriented Software dengan UML. Yogyakarta:ANDI OFFSET.[2] Dr. Deni Kurniawan, M. (2011). PembelajaranTerpadu. Bandung: Pustaka Cendekia Utama. FIP-UPI, T. P. (2007). Ilmu & Aplikasi Pendidikan .Bandung: IMTIMA.[3] Jyotimay Gadewadiker, O. K. (2010). ExploringBayesian Networks for medical decition support inbreast cancer detection. African JournalofMathematics and Computer Science ReseachVol. 3(10) , 225-231.[4] Madsen, U. B. (2008). Bayesian Networks andInfluence Digrams. New York: Springer.[5] Nicholson, K. B. (2011). Bayesian ArtificialIntelligence. Boca Raton: CRC Press.[6] Sri Kusumadewi, d. (2006). Fuzzy Multi-AttributeDecision Making. Yogyakarta: GRAHA ILMU.Kriteria pengujian hipotesisTolak H 0 , jika t hitung > t tabel dan terima H 0 jikat hitung < t tabelt tabel pada α = 0,05 dan db = n-1 =9 adalaht tabel = 2,26Karena t hitung < t tabel maka H 0 diterima, artinya bahwatreatment untuk memperkecil jumlah drop out dapatdipercaya 95%.7. SimpulanAlgoritma Bayesian Network dapat digunakan untukmemprediksi mahasiswa berpotensi drop outberdasarkan fitur mahasiswa.Jumlah dari input dapatdikembangkan sesuai dengen perkembangan perubahanpenyebab mahasiswa dropout.Untuk penggunaan yanglebih luas perlu ditambah user yang dapat melihat hasilprediksi secara langsung tanpa melalui administrasi.ISBN: 978-602-97832-0-9SNTE-2012