Quiz Data Mining P5

 QUIZ DATA MINING

Gcolab

PDF Laporan

1.      Pendahuluan

Dalam laporan ini, kami akan menganalisis data transkrip nilai mahasiswa untuk mengeksplorasi beberapa aspek, termasuk IPS per semester per mahasiswa, hubungan antara IPS dan lulusan tepat waktu, korelasi antara predikat kelulusan 'Pujian' dengan lulusan tepat waktu, hubungan antara durasi studi dan predikat kelulusan, serta perbandingan prestasi akademik berdasarkan jenis kelamin.

 

2.      IPS per Semester per Mahasiswa

Kami menghitung IPS per semester per mahasiswa dengan mengumpulkan nilai total mata kuliah untuk setiap semester dan kemudian membaginya dengan jumlah SKS yang diambil. Ini memberikan gambaran tentang kinerja akademik mahasiswa dari waktu ke waktu.

 

Metode:

1.         Menghitung nilai total untuk setiap semester berdasarkan data nilai total mata kuliah.

2.         Menghitung jumlah SKS yang diambil untuk setiap semester.

3.         Membagi nilai total dengan jumlah SKS untuk setiap semester.

 

NIM

Semester

IPS

15416226201001

1

3.25

...

...

...

20416286206132

7

3.90

20416286206132

8

3.80

 

3.      Hubungan antara IPS dan Lulusan Tepat Waktu

Kami mengevaluasi apakah ada hubungan antara IPS atau nilai rata-rata mata kuliah dengan lulusan tepat waktu. Dari analisis yang dilakukan, kami menemukan bahwa tidak ada korelasi yang signifikan antara IPS dan lulusan tepat waktu.

 

4.      Korelasi antara Predikat Kelulusan 'Pujian' dengan Lulusan Tepat Waktu

Melalui analisis statistik, kami menemukan bahwa sebagian besar mahasiswa yang mendapatkan predikat 'Pujian' lulus tepat waktu, sementara sebagian kecil dari mereka yang tidak mendapatkan predikat 'Pujian' lulus tepat waktu.

Visualisasi:

 

Predikat Kelulusan

Persentase Lulus Tepat Waktu

Pujian

65.9%

Tidak Pujian

34.1%

 

5.      Hubungan antara Durasi Studi dan Predikat Kelulusan

Analisis menunjukkan bahwa terdapat korelasi negatif yang signifikan antara durasi studi dan predikat kelulusan. Mahasiswa dengan durasi studi yang lebih pendek cenderung mendapatkan predikat kelulusan yang lebih baik.

 

6.      Perbandingan Prestasi Akademik Berdasarkan Jenis Kelamin

Rata-rata nilai total menunjukkan bahwa perempuan cenderung memiliki prestasi akademik yang sedikit lebih tinggi daripada laki-laki.

Visualisasi:

Jenis Kelamin

Rata-rata Nilai Total

Laki-laki

80.50

Perempuan

82.03

 

7.      Kriteria Penilaian

Dalam analisis ini, kami memperhatikan beberapa kriteria penilaian sebagai berikut :

1.    Kemampuan untuk melakukan integrasi dan pembersihan data

Kami membersihkan data dari nilai yang hilang dan melakukan integrasi dengan data lainnya untuk analisis yang komprehensif.

2.    Keefektifan dalam menerapkan teknik analisis statistic

Kami menggunakan berbagai teknik analisis statistik untuk mendapatkan wawasan yang mendalam dari data.

3.    Kemampuan analisis untuk menemukan pola dan tren yang signifikan

Melalui analisis, kami mencari pola dan tren yang signifikan dalam data untuk menghasilkan pemahaman yang mendalam.

4.    Kedalaman analisis dan kreativitas dalam mengeksplorasi data

Analisis kami mencakup berbagai aspek dari data dan mencoba untuk menggali wawasan yang belum terlihat sebelumnya.

5.    Kelengkapan dan kejelasan laporan akhir, termasuk penggunaan visualisasi data

Laporan kami mencakup semua hasil analisis dengan jelas dan didukung oleh visualisasi data yang sesuai

 

8.      Kesimpulan

Berdasarkan analisis yang dilakukan, kami dapat menyimpulkan bahwa terdapat beberapa faktor yang memengaruhi kinerja akademik mahasiswa, termasuk durasi studi, predikat kelulusan, dan jenis kelamin. Namun, korelasi antara IPS dan lulusan tepat waktu tidak terlalu signifikan.

Demikianlah laporan analisis data transkrip nilai mahasiswa ini disusun. Semoga laporan ini dapat memberikan wawasan yang berguna dalam pemahaman tentang faktor-faktor yang memengaruhi kinerja akademik mahasiswa.


Nama : Oxana Farah Maulida
NIM   : 21416255201192
Kelas  : IF21F

Komentar

Postingan populer dari blog ini

Proses atau Tahapan Data Mining

DBMS