mahasiswa dan masa studi dengan menggunakan algoritma regresi linier berganda.
2. Untuk membantu bagian manajemen pendidikan dalam mengambil
tindakan preventif bagi mahasiswa yang memiliki kecenderungan akan lama menyelesaikan studi.
1.5. Manfaat Penelitian
Adapun manfaat yang diperoleh dari penelitian ini adalah : 1.
Sebagai bahan masukan kepada Sekolah Tinggi Teknik Harapan STTH Medan dan perguruan tinggi lain untuk memprediksi mahasiswa yang dapat
lulus tepat waktu sehingga beberapa faktor yang paling mempengaruhi untuk masa studi dapat diperhatikan.
2. Menghasilkan suatu aplikasi perangkat lunak bahasa pemograman C++ untuk
mencari atau menentukan solusi dari sistem persamaan linier SPL dalam menentukan keterhubungan antara data mahasiswa dan masa studi dengan
menggunakan algoritma regresi linier berganda. 3.
Sebagai referensi bagi peneliti selanjutnya yang berkaitan dengan penggunaan metode analisis regresi linier berganda
pada perguruan tinggi.
Universitas Sumatera Utara
BAB II
TINJAUAN PUSTAKA
2.1. Penelitian Terdahulu
Penelitian yang dilakukan oleh Kannan dan Nagarajan 2008 dengan judul “Factor and Multiple Regression Analysis for Human Fertility in Kanyakumari District”
berfokus pada hubungan sebab dan efek pada kesuburan fertility
manusia. Fertility
diistilahkan sebagai jumlah anak yang lahir dari seorang wanita. Seluruh set variabel
yang terkait dengan fertility
diklasifikasikan ke dalam variabel alam usia
perempuan, umur di pernikahan, agama, jenis keluarga , variabel pengetahuan
pendidikan perempuan, pendidikan pasangan hidup dan variabel ekonomi
pekerjaan perempuan dan pasangan, penghasilan perempuan dan pasangan . Dengan
menggunakan analisis faktor dan analisis regresi linier berganda diketahui keterhubungan dari masing-masing kelompok
fertility yang dibahas secara terpisah
dan secara kolektif. Hasil analisis yang diperoleh dari penelitian ini adalah bahwa kerja yang baik, pendapatan yang lebih tinggi, dan sistem keluarga nuklir dapat
membawa pengurangan tingkat fertility
wanita di kabupaten Kanyakumari. Penelitian yang dilakukan oleh Meinanda et al 2009 dengan judul
“Prediksi Masa Studi Sarjana dengan Artificial Neural Network”. Variabel yang digunakan dalam penelitian ini adalah identitas mahasiswa, masa studi, kode mata
kuliah, nama mata kuliah, jumlah pengambilan mata kuliah, dan nilai mata kuliah. Model analisis yang digunakan adalah artificial neural network dan multiple
regression. Hasil penelitiannya menunjukkan dalam melakukan prediksi masa studi, model multiple regresi menghasilkan prediksi masa studi yang bias, sementara itu
artificial neural network dengan multilayer perceptron dalam penelitian ini merupakan model terbaik untuk memprediksi masa studi.
Selanjutnya penelitian yang dilakukan oleh Suhartinah dan Ernastuti 2010 dengan judul ”Aplikasi Algoritma Naive Bayes dan Algoritma C4.5 dalam Prediksi
Universitas Sumatera Utara
Kelulusan Mahasiswa Universitas Gunadarma”. Variabel yang digunakan data NEM, IP semester 1, IP semester 2, IPK semester 1-2, gaji orang tua, dan pekerjaan orang
tua. Model analisis yang dipergunakan adalah algoritma naive bayes dan algoritma C4.5 yang merupakan algoritma dari metode teorema bayes dan decision tree. Hasil
penelitian menunjukkan bahwa dengan menggunakan algoritma C4.5 kesalahan yang dihasilkan dalam proses prediksi lebih sedikit, untuk algoritma decision tree
memiliki kompleksitas yang lebih besar, sedangkan algoritma naive bayes bila diimplementasikan menggunakan data yang digunakan dalam proses training akan
menghasilkan nilai kesalahan yang lebih besar karena pada naive bayes nilai suatu atribut adalah independent terhadap nilai lainnya dalam satu atribut yang sama.
Namun memiliki akurasi yang lebih tinggi bila dimplementasikan ke data yang berbeda dari data training dan ke dalam data yang jumlahnya lebih besar.
2.2. Regresi