Model Prediksi Awal Masa Studi Mahasiswa Menggunakan Algoritma Decision Tree C4.5
Abstract
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% .
Keywords
Full Text:
PDFReferences
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.
DOI: https://doi.org/10.26418/justin.v7i4.33163
Refbacks
- There are currently no refbacks.
Copyright (c) 2019 Jurnal Sistem dan Teknologi Informasi (JUSTIN)
View My Stats

All article in Justin is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License