Student Performance Data Mining

Academic Project · Data Mining · Semester 4

Tentang Project

Repository ini berisi project akademik Mata Kuliah Penambangan Data pada Program Studi Teknik Informatika, Universitas Trunojoyo Madura.

Project berfokus pada proses pengolahan dan klasifikasi performa mahasiswa menggunakan dataset Higher Education Students Performance Evaluation dari UCI Machine Learning Repository. Hasil performa dikelompokkan menjadi tiga kategori, yaitu Rendah, Sedang, dan Tinggi.

Dokumentasi materi, eksperimen, dan hasil analisis disusun menggunakan Jupyter Book agar proses pengerjaan dapat dibaca secara runtut melalui website.

Tujuan Project

• Menyiapkan dan memahami dataset performa mahasiswa.
• Melakukan preprocessing serta eksplorasi data.
• Membangun model klasifikasi performa mahasiswa.
• Membandingkan pendekatan Decision Tree dan Random Forest.
• Membandingkan workflow analisis menggunakan Python, Orange, dan KNIME.
• Menyajikan proses serta hasil analisis dalam dokumentasi interaktif.

Kontribusi Saya

• Menyiapkan dan membersihkan data.
• Menentukan target klasifikasi Rendah, Sedang, dan Tinggi.
• Melakukan eksperimen serta perbandingan model.
• Menyusun workflow analisis pada Python, Orange, dan KNIME.
• Membuat dokumentasi project menggunakan Jupyter Book.
• Mempublikasikan dokumentasi melalui GitHub Pages.

Teknologi dan Tools

Kategori	Teknologi
Bahasa	Python
Analisis Data	Pandas, NumPy
Machine Learning	Decision Tree, Random Forest
Notebook	Jupyter Notebook
Visual Workflow	Orange, KNIME
Dokumentasi	Jupyter Book
Deployment	GitHub Pages

Dokumentasi Online

Dokumentasi project dapat dibaca melalui:

https://zekkcode.github.io/Pendata/

Menjalankan Dokumentasi Secara Lokal

1. Aktifkan environment

..\.venv\Scripts\Activate.ps1

Apabila PowerShell membatasi eksekusi script:

Set-ExecutionPolicy -ExecutionPolicy Bypass -Scope Process -Force

2. Instal dependensi dokumentasi

pip install "jupyter-book==1.0.0" ghp-import

3. Build Jupyter Book

jupyter-book build materi-pendat

Hasil build tersedia di:

materi-pendat/_build/html/index.html

Deployment GitHub Pages

ghp-import -n -p -f materi-pendat/_build/html

Keterangan:

• -n membuat file .nojekyll.
• -p langsung melakukan push.
• -f menimpa branch deployment sebelumnya.

Konteks Akademik

• Mata Kuliah: Penambangan Data
• Program Studi: Teknik Informatika
• Universitas: Universitas Trunojoyo Madura
• Pengembang: Zakaria Mujur Prasetyo

Catatan

Repository ini dibuat untuk kebutuhan pembelajaran dan evaluasi akademik. Dataset, model, serta hasil eksperimen digunakan sebagai bahan analisis dan tidak ditujukan sebagai sistem penilaian mahasiswa secara nyata.