Model Prediksi Awal Masa Studi Mahasiswa Menggunakan Algoritma Decision Tree C4.5
DOI:
https://doi.org/10.26418/justin.v7i4.33163Keywords:
Masa Studi Mahasiswa, Prediksi, Model, Decision Tree C4.5, Confusion matrixAbstract
Masa studi mahasiswa merupakan tolak ukur penilaian keberhasilan Program Studi, karena masa studi merupakan salah satu indikator keberhasilan proses belajar mahasiswa. Permasalahan mahasiswa lulus tidak tepat waktu dan mahasiswa drop out (DO) masih menjadi kendala Program Studi saat ini. Tujuan penelitian ini adalah membangun sebuah model untuk prediksi awal masa studi mahasiswa, dimana saat ini implementasinya dilakukan pada Program Studi Informatika Universitas Tanjungpura. Keterlambatan mahasiswa dalam menempuh masa studi disebabkan karena kesulitan data pengetahuan yang terbatas tentang prediksi masa studi. Prediksi adalah suatu kegiatan untuk memperkirakan kejadian yang akan terjadi dimasa depan dengan menggunakan data yang sudah ada. Penggunakan model untuk melakukan prediksi masa studi bisa digunakan untuk menangani masalah kerumitan dan ketepatan hasil prediksi, dengan menggunakan metode pendekatan yang cocok untuk prediksi salah satunya adalah algoritma Decision Tree C4.5. Pengujian sistem yang dilakukan menggunakan Cofusion Matrix, menunjukan bahwa model prediksi yang dibangun menggunakan Decision Tree C4.5 menghasilkan rule yang baik digunakan untuk prediksi masa studi mahasiswa. Karena hasil perhitungan nilai akurasi terhadap prediksi yang dihasilkan dengan kenyataan sebenarnya menunjukan nilai precision, recall dan accuracy rata-rata diatas 50% sedangkan untuk nilai error rate berada dibawah 20% .
References
Badan Akreditasi Nasional Perguruan Tinggi. 2008. Matriks Penilaian Instrument Akreditasi Program Studi. Jakarta: BAN-PT.
Berry, M.J.A dan Linoff, G.S. 2004. Data Mining Techniques for Marketing, Sales, Customer Relationship Management Secong Edition.United States of America: Wiley Publishing, Inc.
Gorunescu, F. 2011. Data Mining: Concepts, Model and Techniques. Berlin, Jerman: Springer.
Herdianto. 2013, Prediksi Kerusakan Motor Induksi Menggunakan Metode Jaringan Saraf Tiruan Backpropagation. Medan: Universitas Sumatera Utara.
Kusrini dan Luthfi, M. 2009. Algoritma Data Mining. Yogyakarta: Andi.
Larose, D.T. 2005. Discovering Knowledge in Data: An Introduction in Data Mining. New Jersey: John Willey & Sons, Inc.
Permendikbud No 49. 2014. Standar Nasional Pendidikan Tinggi (SNPT). Jakarta: PERMENDIKBUD.
S. M. Metev and V. P. Veiko, Laser Assisted Microtechnology, 2nd ed., R. M. Osgood, Jr., Ed. Berlin, Germany: Springer-Verlag, 1998.
Simarmata, J. 2010. Rekayasa Perangkat Lunak .Yogyakarta: Andi./
Sommerville, I .2003. Software Engineering (Rekayasa Perangkat Lunak) Edisi 6 Jilid 1. Jakarta: Erlangga.
Tim Fakultas Teknik. 2017. Buku Pedoman Pendidikan Sarjana (S1). Pontianak: Universitas Tanjungpura.
Risnawati, "Analisis Kelulusan Mahasiswa Menggunakan Algoritma C.45", Jurnal Mantik Penusa Vol. 2, No. 1 Juni 2018, pp.71-76.
Puspita Sari P. Ratna, W. Indra, "Penerapan Algoritma C4.5 pada Aplikasi Prediksi Kelulusan Mahasiswa Prodi Informatika", Jurnal Ilmiah Ilmu Komputer dan Informatika, Vol.4, No.1, Juni 2018.
R. Agus, Suprapedi, H. Himawan, "Prediksi Kelulusan Mahasiswa Tepat Waktu Berdasarkan Usia, Jenis Kelamin, Dan Indeks Prestasi Menggunakan Algoritma Decision Tree", Jurnal Teknologi Informasi, Vol.13 No.1, Januari 2017.
Darmawan, Hadi Dwi, Desi Yuniarti, and Yuki Novia Nasution. "Klasifikasi Lama Masa Studi Mahasiswa Menggunakan Perbandingan Metode Algoritma C. 45 dan Algoritma Classification and Regression Tree." Jurnal Eksponensial Vol.8, No. 2, 2017, pp.151-160.
Downloads
Published
Issue
Section
License
Copyright (c) 2019 Jurnal Sistem dan Teknologi Informasi (JUSTIN)
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
The author owns the copyright in his paper and agrees to publish his paper to JUSTIN by giving the rights to the first publication of his paper which is simultaneously licensed under the Creative Commons Attribution License, namely the Similar International 4.0 license (CC BY-NC-SA 4.0).
This is a human-readable summary of (and not a substitute for) the license. Disclaimer.
You are free to:Share "” copy and redistribute the material in any medium or format
Adapt "” remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
Attribution "” You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial "” You may not use the material for commercial purposes.
ShareAlike "” If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
No additional restrictions "” You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.
