Daftar Nilai UTS & Tugas Mata Kuliah Data Mining

Daftar Nilai UTS & Tugas Mata Kuliah Data Mining – Nilai UTS & tugas mata kuliah Data Mining dapat dilihat di sini. Jika Anda membuka halaman ini menggunakan handphone, silahkan aktifkan mode Landscape untuk mendapatkan hasil tampilan web yang lebih maksimal. Di bawah ini adalah daftar nilai UTS (Ujian Tengah Semester) dan tugas mata kuliah Data Mining Prodi TI di STIKI (Sekolah Tinggi Informatika dan Komputer Indonesia) Malang :

No	NRP	Nama	UTS	Tugas	P
1	161111040	DEVID GIBRAN LEBU RAYA BANI TULIT	60	0	E
2	171111003	DANIEL HADINATA ADMOJO	58	41	C
3	171111009	SUPIANUR	20	0	E
4	171111028	RIFDA AMMARINA KARSITA	81	63	B+
5	171111041	ACHMAD RIYAN ADI PURWANTO	0	0	E
6	171111048	SHERLY BRELINDA HARISNA NOVA	45	87	B
7	171111058	AGUS ALFREDO	51	97	B+
8	171111095	DEWI AZIZAH SATRYARINI SUGIONO	30	86	C+
9	171111115	TITANIA TARA SWASTIKA	81	67	B+
10	181111090	RIZKY ABDILLAH	74	66	B
11	181111100	RACHMAD ASH SHIDIQY	82	90	A
12	191111007	ADITYA GANDHI	109	53	A
13	191111009	ZAKIYATU ROFIQOH	100	90	A
14	191111011	ANDREW NAGATA	101	83	A
15	191111017	LIMAN CALVIN SANJAYA	101	95	A
16	191111020	MAULANA REZA RISDIYANTO	98	78	A
17	191111025	MUHAMMAD DWI PRASETYO	91	90	A
18	191111028	CLARADISHA HELENORA DADE	79	88	A
19	191111038	GRETA SEPTY PURWIANTONO	99	91	A
20	191111039	CENDIKIA FITRI NURIL HALIZAH	94	87	A
21	191111043	BAGUS PAMUNGKAS	70	91	B+
22	191111044	ARDHIANSYAH KURNIAWAN	57	72	B
23	191111045	MUHAMMAD ARIF AFANDI	75	92	A
24	191111046	ANGGITO REY ISWARI	93	91	A
25	191111047	ANDITYA KAHYUNA CHOSUN	100	77	A
26	191111050	FANI OKTAF LAURISA	101	88	A
27	191111051	KEN BAGUS PANULUH YUDHA PERKASA	98	91	A
28	191111055	EKO IRDIAN ADHA	81	91	A
29	191111058	VEGA YOBEL WIJAYA	100	98	A

Rank

No	NRP	Nama	Konversi
1	191111011	ANDREW NAGATA	50
2	191111058	VEGA YOBEL WIJAYA	49
3	191111017	LIMAN CALVIN SANJAYA	49
4	191111051	KEN BAGUS PANULUH YUDHA PERKASA	48
5	191111009	ZAKIYATU ROFIQOH	48
6	191111050	FANI OKTAF LAURISA	47
7	191111038	GRETA SEPTY PURWIANTONO	47
8	191111047	ANDITYA KAHYUNA CHOSUN	47
9	191111046	ANGGITO REY ISWARI	45
10	191111039	CENDIKIA FITRI NURIL HALIZAH	45
11	191111025	MUHAMMAD DWI PRASETYO	44
12	191111020	MAULANA REZA RISDIYANTO	43
13	191111055	EKO IRDIAN ADHA	42
14	181111100	RACHMAD ASH SHIDIQY	41
15	191111028	CLARADISHA HELENORA DADE	41
16	191111045	MUHAMMAD ARIF AFANDI	40
17	191111007	ADITYA GANDHI	40
18	191111043	BAGUS PAMUNGKAS	38
19	171111115	TITANIA TARA SWASTIKA	35
20	171111058	AGUS ALFREDO	34
21	171111028	RIFDA AMMARINA KARSITA	34
22	181111090	RIZKY ABDILLAH	33
23	171111048	SHERLY BRELINDA HARISNA NOVA	30
24	191111044	ARDHIANSYAH KURNIAWAN	29
25	171111095	DEWI AZIZAH SATRYARINI SUGIONO	26
26	171111003	DANIEL HADINATA ADMOJO	22
27	161111040	DEVID GIBRAN LEBU RAYA BANI TULIT	18
28	171111009	SUPIANUR	6
29	171111041	ACHMAD RIYAN ADI PURWANTO	0

Keterangan

Di bawah ini adalah keterangan dari masing-masing field yang ada pada tabel di atas :
– Nama : Nama mahasiswa.
– NRP : Nomor Registrasi Peserta.
– UTS : Nilai Ujian Tengah Semester.
– T1 : Nilai Tugas 1 (Data Mining Kalsifikasi Naive Bayes Gaussian).
– T2 : Nilai Tugas 2 (Data Mining Klasifikasi Naive Bayes Multinomial Text).
– T3 : Nilai Tugas 3 (Data Mining Clustering K-Means).
– P : Prediksi nilai akhir mata kuliah Data Mining dengan asumsi nilai UAS = 80 dan presentase kehadiran min 80%.
– Konversi : Akumulasi nilai UTS dan rata-rata nilai tugas berdasarkan presentase nilai pada kontrak kuliah (UAS 40%, UTS 30%, Tugas 20% dan Kehadiran 10%).

Catatan :
– Bagi mahasiswa yang nilai UTS-nya kosong berarti tidak hadir pada saat UTS.
– Bagi mahasiswa yang nilai rata-rata Tugas-nya kosong berarti tidak pernah mengerjakan Tugas.
– Bagi mahasiswa yang nilai Tugas-nya = 0, mungkin belum mengumpulkan Tugas.
– Nilai di atas sudah termasuk nilai bonus.
– Bagi mahasiswa yang nilai UTS-nya lebih dari 100, maka kelebihan nilainya akan di akumulkasikan ke nilai UAS/Tugas.
– Perlu diketahui bahwa prediksi nilai akhir pada halaman ini bukanlah nilai mutlak, sehingga Anda masih berpeluang untuk merubah atau memperbaiki takdir yang dibuat oleh sistem, karena pada dasarnya prediksi dari suatu sistem yang dibuat oleh manusia tidak semuanya akurat, akan tetapi prediksi tersebut bisa menjadi gambaran atau petunjuk untuk peristiwa apa yang akan terjadi di masa depan.