Data preparation Structure untuk Pemodelan Prediktif Jumlah Peserta Ajar Matakuliah

Salah satu cara yang dapat dilakukan untuk menciptakan proses pembelajaran efektif di kelas adalah dengan memprediksi jumlah mahasiswa akan mengambil suatu mata kuliah. Prediksi merupakan analisis memanfaatkan informasi atau data dimasa lalu menghasilkan perkiraan terhadap kondisi terjadi masa mendatang, Proses prediksi berbagai teknik, salah satunya yaitu teknik mining. Dalam melakukan prediksi, tahapan paling utama persiapan mentah menjadi berkualitas serta memastikan bahwa diberikan seleksi dan transformasi telah bersih dikenal preparation (preparasi data). Tahapan dalam preparasi meliputi selection (seleksi data), pre-processing cleaning terdiri dari penanganan missing data, penghapusan duplicate feature construction. Skema diciptakan diimplementasikan Orange Data mining Tools. Hasil pemodelan analisa prediktif peserta ajar kuliah Jurusan Informatika menggunakan 4 (empat) algoritma Naive Bayes, kNN, SVM, Neural Network nilai Accuracy, Precision Recall cukup tinggi setiap diujikan.