Penerapan Data Mining untuk Memprediksi Tingkat Kelulusan Mahasiswa Menggunakan Algoritma Decision Tree C4.5
DOI:
10.51519/journalcisa.v4i2.393Keywords:
Algoritma C4.5, Decision tree, Data mining, Klasifikasi kelulusan mahasiswa, Sistem pengambilan keputusanAbstract
Penelitian ini bertujuan untuk memprediksi tingkat kelulusan mahasiswa menggunakan metode klasifikasi dan algoritma decision tree C4.5. Data yang digunakan meliputi data mahasiswa dan Kartu Hasil Studi (KHS) dengan kriteria Indeks Prestasi Semester (IPS) dan Indeks Prestasi Kumulatif (IPK). Data dikelola melalui tahapan Knowledge Discovery in Database (KDD) dengan bantuan tool RapidMiner untuk memfasilitasi prediksi tingkat kelulusan mahasiswa. Penerapan data mining dengan metode klasifikasi dan algoritma C4.5 digunakan untuk menganalisis tingkat kelulusan mahasiswa berdasarkan informasi yang dihasilkan. Proses perhitungan data menggunakan algoritma C4.5 menunjukkan bahwa tingkat mahasiswa yang terlambat lulus atau tidak tepat waktu lebih rendah dibandingkan dengan tingkat mahasiswa yang lulus tepat waktu. Penelitian ini melibatkan pengujian melalui metode cross-validation dan evaluasi model confusion matrix yang menghasilkan akurasi prediksi sebesar 99.64%. Selain itu, evaluasi menggunakan metrik AUC menunjukkan nilai sebesar 99.5%, menandakan bahwa model memiliki kemampuan hampir sempurna dalam melakukan klasifikasi. Temuan ini menegaskan bahwa model dapat memprediksi tingkat kelulusan mahasiswa dengan akurat.
References
A. Muzakir, H. Syaputra, and F. Panjaitan, “A Comparative Analysis of Classification Algorithms for Cyberbullying Crime Detection: An Experimental Study of Twitter Social Media in Indonesia,” Sci. J. Informatics; Vol 9, No 2 Novemb. 2022DO - 10.15294/sji.v9i2.35149 , Oct. 2022, [Online]. Available: https://journal.unnes.ac.id/nju/index.php/sji/article/view/35149
Y. Mardi, “Data Mining: Klasifikasi Menggunakan Algoritma C4. 5,” J. Edik Inform. Penelit. Bid. Komput. Sains dan Pendidik. Inform., vol. 2, no. 2, pp. 213–219, 2017.
S. N. Hermawanti, A. Asriyanik, and A. A. Sunarto, “Implementasi Algoritma C4. 5 Untuk Prediksi Kelulusan Tepat Waktu:(Studi Kasus: Program Studi Teknik Informatika),” SANTIKA is a Sci. J. Sci. Technol., vol. 9, no. 1, pp. 853–864, 2019.
A. F. A. Rahman, “PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA C4. 5 (STUDI KASUS DI UNIVERSITAS PERADABAN): Array,” Indones. J. Informatics Res., vol. 1, no. 2, pp. 70–77, 2020.
C. K. Nwagu, O. C. Omankwu, and H. Inyiama, “Knowledge Discovery in Databases (KDD): an overview,” Int J Comput Sci Inf Secur, vol. 15, no. 12, pp. 13–16, 2017.
A. Muzakir and R. A. Wulandari, “Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree,” 2016, [Online]. Available: https://journal.unnes.ac.id/nju/index.php/sji/article/view/4610
R. Feldman and I. Dagan, “Knowledge Discovery in Textual Databases (KDT).,” in KDD, 1995, vol. 95, pp. 112–117.
F. A. Rahman, M. I. Desa, A. Wibowo, and N. A. Haris, “Knowledge discovery database (KDD)-data mining application in transportation,” Proceeding Electr. Eng. Comput. Sci. Informatics, vol. 1, no. 1, pp. 116–119, 2014.
L. Y. L. Gaol, M. Safii, and D. Suhendro, “Prediksi Kelulusan Mahasiswa Stikom Tunas Bangsa Prodi Sistem Informasi Dengan Menggunakan Algoritma C4. 5,” Brahmana J. Penerapan Kecerdasan Buatan, vol. 2, no. 2, pp. 97–106, 2021.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Uci Suriani
This work is licensed under a Creative Commons Attribution 4.0 International License.
