Perbandingan Kinerja Hasil Seleksi Fitur pada Prediksi Kinerja Akademik Siswa Berbasis Pohon Keputusan

Achmad Shoddiq Bayu Asmoro, Wahyu Sakti Gunawan Irianto, Utomo Pujianto

Abstract


Sistem manajemen E-learning merupakan bentuk kemajuan teknologi dalam bidang pendidikan dan telah banyak menghasilkan kumpulan data-data pendidikan yang salah satunya adalah data aktivitas pembelajaran siswa dalam sistem manajemen E-learning. Banyaknya data pendidikan yang belum tereksplorasi dengan baik dapat di manfaatkan dengan menggunakan teknik data mining. Pada penelitian ini akan dilakukan perbandingan 3 model data berbeda yaitu data awal tanpa preprocessing dan data yang di preprocessing menggunakan seleksi fitur correlation-based feature selection dan Information Gain. Data yang digunakan adalah data aktivitas pembelajaran siswa dalam sistem manajemen E-learning. Selanjutnya proses pengujian data dengan menggunakan 10 folds cross validation dengan metode C4.5 dan evaluasi data menggunakan confusion matrix. Hasil dari pengujian data menggunakan algoritma C4.5 yang dikombinasikan dengan seleksi fitur correlation-based feature selection menghasilkan nilai akurasi yang lebih tinggi dengan nilai akurasi sebesar 76.92%. Sementara itu hasil dari pengujian data awal tanpa selesksi fitur dan data yang di seleksi fitur menggunakan information gain memiliki nilai akrasi yang sama dengan nilai akurasi sebesar 76.19%. Hal ini dikarenakan data yang diproses menggunakan algoritma C4.5 tanpa preprocessing dan data yang telah di preprocessing menggunakan information gain sama-sama menghitung nilai gain untuk membuat model pohon keputusan, dan menghasilkan model pohon keputusan yang sama. Sehingga hasil dari proses pengujian data memiliki nilai akurasi yang sama.

Keywords


Educational Data Mining; C4.5; Coorelation-Based Feature Selection; Information Gain

Full Text:

PDF

References


Y. Yamasari, S. M. S. Nugroho, D. F. Suyatno, and M. H. Purnomo, “Meta-Algoritme Adaptive Boosting untuk Meningkatkan Kinerja Metode Klasifikasi pada Prestasi Belajar Mahasiswa,†vol. 6, no. 3, 2017.

dkk Sarthika, “Analisis Profil Mahasiswa Politeknik Negeri Batam dengan Teknik Data Mining Asosiasi dan Clustering,†vol. 8, no. 1, pp. 16–21, 2016.

B. Novianti, T. Rismawan, and S. Bahri, “Implementasi Data Mining dengan Algoritma C4 . 5 untuk Penjurusan Siswa ( Studi Kasus : SMA Negeri 1 Pontianak ),†vol. 04, no. 3, 2016.

A. Maulana, M.F., dan Karomi, M., “Information Gain untuk Mengetahui Pengaruh Atribut Terhadap Klasifikasi Persetujuan Kredit,†vol. 9, 2015.

T. dan M. Djatna, “Pembandingan Stabilitas Algoritma Seleksi Fitur menggunakan Transformasi Ranking Normal,†2015.

B. N. Sari, “Implementasi Teknik Seleksi Fitur Information Gain pada Algoritma Klasifikasi Machine Learning untuk Prediksi Performa Akademik Siswa,†pp. 6–7, 2016.

I. Rahmayuni, “Perbandingan Performansi Algoritma C4.5 dan Cart Dalam Klasifiksi Data Nilai Mahasiswa Prodi Teknik komputer Politeknik Negeri Padang,†J. Teknol. Inf. Pendidik., vol. 2, no. 1, pp. 87–94, 2014.

E. A. Amrieh, T. Hamtini, and I. Aljarah, “Mining Educational Data to Predict Student’s academic Performance using Ensemble Methods,†Int. J. Database Theory Appl., vol. 9, no. 8, pp. 119–136, 2016.

E. A. Amrieh, T. Hamtini, and I. Aljarah, “Preprocessing and analyzing educational data set using X-API for improving student’s performance,†2015 IEEE Jordan Conf. Appl. Electr. Eng. Comput. Technol., no. November, pp. 1–5, 2015.

E. Juliyanto, S. E. Nugroho, and P. Marwoto, “Perkembangan Pola Pemecahan Masalah Anak The Pattern of Development of School-Age Children Troubleshooting Solving Problems In,†vol. 9, pp. 151–162, 2013.

J. Alfin, “Analisis karakteristik siswa pada tingkat sekolah dasar,†pp. 190–205, 2015.

M. Doshi, S. K. Chaturvedi, and D. Ph, “Correlation Based Feature Selection ( CFS ) Technique to Predict Student Perfromance,†vol. 6, no. 3, pp. 197–206, 2014.

I. Y. Purbasari and B. Nugroho, “Benchmarking Algoritma Pemilihan Atribut Pada Klasifikasi Data Mining,†Snastia, pp. 47–54, 2013.

dkk I. Maulida, “Seleksi Fitur Pada Dokumen Abstrak Teks Bahasa Indonesia Menggunakan Metode Information Gain,†no. October 2016, 2017.

Sujana, “Aplikasi mining data mahasiswa dengan metode klasifikasi decision tree,†vol. 2010, no. Snati, 2010.

A. R. Khadafy, “Penerapan Naive Bayes untuk Mengurangi Data Noise pada Klasifikasi Multi Kelas dengan Decision Tree,†vol. 1, no. 2, pp. 136–142, 2015.




DOI: http://dx.doi.org/10.26418/jp.v4i2.29294

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License
  View My Stats