ALGORITMA DECISION TREE C.45 DALAM ANALISA KELULUSAN MAHASISWA PROGRAM STUDI MANAJEMEN INFORMATIKA UMPP
Article Sidebar
Main Article Content
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
Article Details
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
References
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.