1. UKM Learning and Research Repository
2. Master Thesis / Tesis Master
3. Faculty of Information Science and Technology / Fakulti Teknologi dan Sains Maklumat

Title:	Pendekatan pengelasan bergabung untuk menentukan keputusan biasiswa
Authors:	Wirawati Dewi Ahmad (P86693)
Supervisor:	Azuraliza Abu Bakar, Prof. Dr.
Keywords:	Data mining Algorithms Education Higher -- Knowledge and learning Universiti Kebangsaan Malaysia -- Dissertations Dissertations, Academic -- Malaysia
Issue Date:	19-Jan-2019
Description:	Biasiswa pendidikan tinggi merupakan kemudahan kewangan yang diberi kepada pelajar-pelajar yang layak bagi melanjutkan pendidikan ke peringkat pengajian di Universiti. Sumber dana yang terhad dengan bilangan pemohon yang semakin bertambah memaksa pihak Kerajaan mencari solusi bagi membantu mempercepat dan memudahkan proses pemilihan pemohon yang layak. Pada masa kini, kajian pengelasan keputusan biasiswa menggunakan pendekatan data analitik terhad kepada kaedah pengelasan tunggal. Kaedah ini mempunyai kelemahan-kelemahan tertentu dalam menghasilkan model pengelasan terbaik. Melalui kajian kesusasteraan, kelemahan-kelemahan kaedah ini boleh diatasi dengan pelaksanaan teknik pengelasan bergabung. Dalam kajian ini, data penawaran biasiswa sedia ada digunakan sebagai data latihan dan ujian dalam semua uji kaji dengan tiga objektif utama iaitu: merekabentuk satu rangka kerja pengelasan bergabung penentuan keputusan biasiswa pendidikan tinggi, membangunkan model pengelasan tunggal dan bergabung bagi menentukan keputusan biasiswa; dan membangunkan model pengelasan petua bergabung untuk meningkatkan keupayaan mengelas keputusan permohonan biasiswa. Lima algoritma pengelasan tunggal digunakan iaitu J48, SVM, NB, ANN dan RT manakala tiga teknik pengelasan bergabung digunakan iaitu peningkatan, pembungkusan, dan undian. Teknik pengelasan petua bergabung juga digunakan dengan menggabungkan petua model peraturan sekutuan algoritma Apriori dan petua model J48 bagi melihat perbandingan prestasi antara model. Hasil keputusan mendapati model pengelasan tunggal terbaik adalah dari algoritma SVM dengan ketepatan tertinggi 86.45%. Bagi pengelasan bergabung pula, model J48(pembungkusan) dan model undian mencapai ketepatan yang sama tertinggi iaitu 86.90% manakala bagi teknik pengelasan petua bergabung menghasilkan ketepatan 85.9%. Ini membuktikan bahawa teknik pengelasan bergabung berupaya meningkatkan ketepatan model pengelasan tunggal yang lemah manakala teknik pengelasan petua bergabung mempunyai keupayaan yang boleh dikategorikan baik dengan perbezaan kurang 0.5% berbanding model pengelasan tunggal terbaik.,Tesis ini tidak ada Perakuan Tesis Sarjana / Doktor Falsafah ,Sarjana Teknologi Maklumat
Pages:	136
Call Number:	QA76.9.D343W548 2019 3 tesis
Publisher:	UKM, Bangi
Appears in Collections:	Faculty of Information Science and Technology / Fakulti Teknologi dan Sains Maklumat

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.