ALGORITMA DECISION TREE C.45 DALAM ANALISA KELULUSAN MAHASISWA PROGRAM STUDI MANAJEMEN INFORMATIKA UMPP

Main Article Content

Aslam Fatkhudin
M. Yusuf Febrianto
Fenilinas Adi Artanto
M. Waffa Najib Hadinata
Riza Fahlevi

Abstract

Sebuah Program Studi pada perguran tinggi dapat dinilai dari bagaimana ketepatan lulusan mahasiswanya. Apakah banyak mahasiswa yang dapat menyelesaikan pendidikan tepat pada waktunya atau malah terdapat mahasiswa yang terlambat bahkan sampai tidak dapat menyelesaikan pendidikananya pada program studi tersebut. Oleh karena hal tersebut makan dilakukanlah penelitian agar dapat diketahui penyebab kelulusan mahasiswa pada Program Studi Diploma Tiga Manajemen Informatika. Dikarenakan denagan meningkatkan kelulusan mahasiswa dengan tepat waktu juga akan berpengaruh terhadap akreditasi Progra Studi tersebut. Pada analisa kelulusan mahasiswa digunakan algoritma decision tree C4.5  dikarenakan algortima tersebut cukup populer, selain mudah untuk digunakan algoritma tersebut juga mempunyai tampilan estimasi berupa pohon keputusan yang mudah untuk dipahami. Dari analisa yang dilakukan didapatkan bahwa tahun masuk mahasiswa menjadi faktor variabel utama dalam kelulusan mahasiswa dengan didapatkan akurasi algoritma decision tree sebesar 73,48%. Dengan adanya hasil analisis ini diharapkan Program Studi Diploma Tiga Manajemen Informatika Universitas Muhammadiyah Pekajangan Pekalongan dapat meningkatkan ketepatan waktu untuk kelulusan mahasiswanya.

Downloads

Download data is not yet available.

Article Details

Section
Articles

References

C. N. Dengen, K. Kusrini, and E. T. Luthfi, “Implementasi Decision Tree Untuk Prediksi Kelulusan Mahasiswa Tepat Waktu,” Sisfotenika, vol. 10, no. 1, p. 1, 2020, doi: 10.30700/jst.v10i1.484.
A. Fatkhudin, A. Khambali, and F. A. Artanto, “Decision Tree Dalam Mengklasifikasi Mata Kuliah Terhadap Pemahaman Sistem Pemasaran,” J. Ilm. Ilmu Komput. Fak. …, vol. 7, no. 2, pp. 52–55, 2021, [Online]. Available: http://ejournal.fikom-unasman.ac.id/index.php/jikom/article/view/204.
F. D. Marleny and Mambang, “Prediksi Calon Mahasiswa Baru Mengunakan Metode Klasifikasi Decision Tree,” CSRID J., vol. 7, no. 1, pp. 46–54, 2015.
A. H. Nasrullah, “Penerapan Metode C4.5 untuk Klasifikasi Mahasiswa Berpotensi Drop Out,” Ilk. J. Ilm., vol. 10, no. 2, pp. 244–250, 2018, doi: 10.33096/ilkom.v10i2.300.244-250.
S. Santosa and F. A. Artanto, “PREDIKSI LOYALITAS PELANGGAN TELEKOMUNIKASI MENGGUNAKAN LOGISTIC REGRESSION DENGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATIONssion Dengan Seleksi Fitur Particle Swarm Optimization,” vol. 11, no. April, pp. 90–99, 2015.
M. Ayub, “Proses Data Mining dalam Sistem Pembelajaran Berbantuan Komputer,” no. May, pp. 21–30, 2018.
Y. Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” J. Edik Inform., vol. 2, no. 2, pp. 213–219, 2017.
P. B. N. Setio, D. R. S. Saputro, and Bowo Winarno, “Klasifikasi Dengan Pohon Keputusan Berbasis Algoritme C4.5,” Prism. Pros. Semin. Nas. Mat., vol. 3, pp. 64–71, 2020.
E. Elisa, “Analisa dan Penerapan Algoritma C4.5 Dalam Data Mining Untuk Mengidentifikasi Faktor-Faktor Penyebab Kecelakaan Kerja Kontruksi PT.Arupadhatu Adisesanti,” J. Online Inform., vol. 2, no. 1, p. 36, 2017, doi: 10.15575/join.v2i1.71.