Langsung ke konten utama

DATA TRANSKIP NILAI DAN DATA LULUSAN DARI UNIVERSITAS MELALUI API

 Link Google Colaboratory :

Link Google Colaboratory

Link PDf : 

Link PDF

        Pendahuluan

Dalam laporan ini, kami akan menganalisis data transkrip nilai mahasiswa untuk mengeksplorasi beberapa aspek yang relevan dengan keberhasilan akademik mereka. Fokus utama analisis meliputi Indeks Prestasi Semester (IPS) per semester per mahasiswa, hubungan antara IPS dan lulusan tepat waktu, keterkaitan antara predikat kelulusan 'Pujian' dengan lulusan tepat waktu, hubungan antara durasi studi dan predikat kelulusan, serta perbandingan prestasi akademik berdasarkan jenis kelamin. Dengan menggali data ini, kami bertujuan untuk mendapatkan wawasan yang lebih mendalam tentang faktor-faktor yang memengaruhi keberhasilan akademik mahasiswa terutama dalam konteks lulus tepat waktu.

I        Integrasi Data

Mengambil data transkrip nilai dari API dan mengonversinya menjadi DataFrame Pandas, kemudian menampilkan beberapa informasi tentang data tersebut. Untuk melanjutkan ke tahap pembersihan data, menambahkan kode untuk melakukan pembersihan seperti  mengidentifikasi dan mengatasi nilai yang hilang atau tidak konsisten, serta menangani data mahasiswa pindahan.

    IPS per Semester per Mahasiswa

Menghitung IPS per semester per mahasiswa dengan menjumlahkan nilai mata kuliah pada setiap semester dan membaginya dengan jumlah SKS yang diambil, memberikan gambaran kinerja akademik mahasiswa dari waktu ke waktu.

Dengan metode :

1.      Mengelompokkan data berdasarkan Nomor Induk Mahasiswa (NIM), semester, dan Nama Mata Kuliah

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

3.      Menghitung jumlah SKS yang diambil untuk setiap semester.


              

NIM

Semester

IPS

15416226201001

1

3.25

…

…

…

20416286206132

7

3.90

20416286206132

8

3.80
                  





Tabel 1. IPS per Semester per Mahasiswa

   Hubungan antara IPS dan Lulusan Tepat Waktu

untuk mengevaluasi apakah terdapat hubungan antara Indeks Prestasi Semester (IPS) atau nilai rata-rata mata kuliah dengan kelulusan tepat waktu. Setelah melakukan analisis, kami menemukan bahwa tidak terdapat korelasi yang signifikan antara IPS atau nilai rata-rata mata kuliah dengan lulusan tepat waktu. Hal ini menunjukkan bahwa dari data yang telah dianalisis, tidak ada bukti yang mendukung adanya hubungan yang kuat antara IPS atau nilai rata-rata mata kuliah dengan kemungkinan seseorang lulus tepat waktu.

    Korelasi antara Predikat Kelulusan 'Pujian' dengan Lulusan Tepat Waktu

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

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.


Gambar 1. Prorsi Mahasiswa dengan Predikat “Pujian”  yang Lulus Tepat Waktu


     Perbandingan Prestasi Akademik Berdasarkan Jenis Kelamin

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

 

Jenis Kelamin

Rata-rata Nilai Total

Laki-laki

80.50

Perempuan

82.03

Tabel 2. Rata-rata Nilai Total Berdasarkan Jenis Kelamin

      Kriteria Penilaian

Dalam analisis ini, kami mempertimbangkan beberapa kriteria sebagai berikut:

1.      Kapasitas untuk menyelenggarakan dan menyucikan data

Kami membersihkan data dari informasi yang tidak lengkap dan menggabungkannya dengan sumber data lainnya untuk analisis yang komprehensif.

2.      Efektivitas dalam menerapkan metode analisis statistik

Kami memanfaatkan beragam teknik statistik untuk mendapatkan pemahaman mendalam dari data.

3.      Kemampuan analisis dalam mengidentifikasi pola dan tren yang penting

Melalui analisis, kami mencari pola dan tren yang signifikan untuk memperoleh wawasan yang dalam.

4.      Kedalaman analisis dan kreativitas dalam eksplorasi data

Analisis kami menyelami berbagai aspek data dan mencoba untuk mengungkap wawasan baru.

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

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

      Kesimpulan

Berdasarkan analisis yang kami lakukan, kami 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.

 


Komentar

Posting Komentar

Postingan populer dari blog ini

SUPERVISED LEARNING (PREDIKSI) 30 ALGORITMA

1. Pengertian Supervised Learning: Supervised Learning adalah salah satu metode dalam pembelajaran mesin (machine learning) di mana model dilatih menggunakan data yang sudah diberi label. Data berlabel berarti setiap data input memiliki output yang diketahui dan telah ditentukan sebelumnya. Proses pelatihan ini melibatkan pemetaan input ke output yang benar, dengan tujuan agar model dapat melakukan prediksi yang akurat pada data baru yang belum pernah dilihat sebelumnya. Dalam supervised learning, model dibimbing (supervised) dengan contoh-contoh dari data berlabel, sehingga dapat belajar dari pola-pola yang ada untuk kemudian digunakan dalam memprediksi atau mengklasifikasikan data yang tidak dikenal. Terdapat dua jenis utama tugas dalam supervised learning, yaitu: Klasifikasi : Di mana output yang diprediksi adalah kategori atau kelas (contohnya, deteksi email spam, diagnosis penyakit). Regres i: Di mana output yang diprediksi adalah nilai kontinu (contohnya, prediksi harga rumah, ...
Posting Komentar
Baca selengkapnya

INSTALASI DAN KONFIGURASI DBMS ATAU MYSQL

DBMS (Database Management System) adalah perangkat lunak yang digunakan untuk mengelola dan mengatur basis data. DBMS memungkinkan pengguna untuk membuat, mengakses, dan mengelola data dalam basis data secara efisien. Berikut adalah langkah-langkah umum untuk menginstal dan mengkonfigurasi DBMS: 1. Pilih DBMS yang sesuai       Ada berbagai jenis DBMS yang tersedia, seperti MySQL, Oracle, Microsoft SQL Server, PostgreSQL, dan lainnya. Pilih DBMS yang sesuai dengan kebutuhan Anda. 2. Unduh dan instal DBMS       Kunjungi situs resmi DBMS yang Anda pilih dan unduh paket instalasi yang sesuai dengan sistem operasi yang Anda gunakan. Ikuti instruksi instalasi yang diberikan. 3. Konfigurasi pengaturan awal      Setelah instalasi selesai, Anda perlu melakukan beberapa konfigurasi awal. Ini termasuk mengatur kata sandi root atau administrator, menentukan direktori penyimpanan data, dan mengonfigurasi parameter utama seperti ukuran memori yan...
Posting Komentar
Baca selengkapnya

APA ITU ATTRIBUTE, ENTITAS, DAN RELASI DALAM ERD.

 ATTIBUTE, ENTITAS DAN RELASI Atribut (field)          Setiap entitas memiliki atribut untuk mendeskripsikan karakteristik dari suatu entitas. Untuk jenisnya dibedakan menjadi beberapa jenis, yaitu Atribut key, atribut yang unik dan berbeda. Misalnya NIM, NIK dan nomor pokok lainnya. Atribut Composite, atribut yang terdiri dari beberapa sub atribut yang memiliki arti tertentu. Contohnya, nama lengkap yang dipecah menjadi nama depan, tengah, dan belakang. Dan atribut deviratif, yang dihasilkan dari atribut atau relasi lain. Jenis atribut ini tidak wajib ditulis dalam diagram ER atau pun disimpan dalam database. Sebagai contoh deriative attribute adalah usia, kelas, selisih harga, dan lain-lain. Entitas (entity)        Entitas adalah sebuah objek berwujud nyata yang dapat dibedakan dengan objek lainnya. Objeknya dapat bersifat konkret maupun abstrak. Data konkret adalah sesuatu yang ...
Posting Komentar
Baca selengkapnya