PENERAPAN ALGORITME C.45 UNTUK KLASIFIKASI MAHASISWA BERPOTENSI DROP OUT PADA UNIVERSITAS BUDI LUHUR

Penulis

  • Regina Mahdalena Debora Sistem Informasi, Fakultas Teknologi Informasi, Universitas Budi Luhur, Indonesia
  • Deni Mahdiana Sistem Informasi, Fakultas Teknologi Informasi, Universitas Budi Luhur, Indonesia
  • Muhammad Ainur Rony Sistem Informasi, Fakultas Teknologi Informasi, Universitas Budi Luhur, Indonesia
  • Humisar Hasugian Sistem Informasi, Fakultas Teknologi Informasi, Universitas Budi Luhur, Indonesia

Kata Kunci:

Drop Out, C.45, klasifikasi, Klasifikasi Mahasiswa

Abstrak

Drop out dapat dikatakan sebagai pemberhentian yang merupakan pemutusan hubungan akademis dan administratif sebelum akhir masa studi. Drop out adalah kasus yang seharusnya dapat dicegah, bahkan pada tahap awal pendidikan. Permasalahan penelitian ini pada mahasiswa berpotensi drop out yaitu masih kurangnya informasi faktor-faktor penyebab mahasiswa berpotensi drop out, dan belum adanya metode yang tepat untuk mengklasifikasi mahasiswa Fakultas Teknologi Informasi Universitas Budi Luhur yang berpotensi drop out. Untuk menyelesaikan masalah tersebut pada penelitian ini diusulkan metode algoritma C.45 untuk klasifikasi mahasiswa berpotensi drop out. Penelitian ini menghasilkan atribut atau faktor yang berpengaruh dalam mahasiswa berpotensi drop out adalah IPS SMT 7, IPS SMT 3, Masa Studi, IPS SMT 6, IPS SMT 4, Jenis Kelamin, Bekerja, SKS SMT 1 sd 8.  Atribut atau faktor yang tidak berpengaruh adalah NIM, Nama, Prodi, Tahun Masuk, Beasiswa, IPS SMT 1, IPS SMT 2, IPS SMT 5, IPS SMT 8, Pendapatan Orang Tua. Dengan tingkat accuracy sebesar 99,29%, precision 99,49%, dan recall 99,66%.

Referensi

A. H. Rizky Kaharani S, Sali Alas Majapahit, “Penentuan Pola Dropout Mahasiswa Dengan Pendekatan Data Mining Menggunakan Algoritma c4.5,” Institutional Repos. Sci. journals, vol. 21, no. 1, hal. 1–9, 2020, [Daring]. Tersedia pada: http://journal.um-surabaya.ac.id/index.php/JKM/article/view/2203.

M. Khoirunnisak dan N. Iriawan, “Pemodelan Faktor-Faktor Yang Mempengaruhi Mahasiswa Berhenti Studi ( Drop Out ) Di Institut Teknologi Sepuluh Nopember Menggunakan Analisis Bayesian Mixture Survival,” Institutional Repos. Sci. journals, hal. 1–9, 2019.

M. Fakhriza dan H. Santoso, “Analisis Jaringan Syaraf Tiruan Untuk Mengetahui Penyebab Drop Out Pada Mahasiswa,” Algoritm. J. Ilmu Komput. dan Inform., vol. 02, no. 01, hal. 55–60, 2018.

C. Zai, “Implementasi Data Mining Sebagai Pengolahan Data,” Portal Data, vol. 2, no. 3, hal. 1–12, 2022.

I. Vhallah, S. Sumijan, dan J. Santony, “Pengelompokan Mahasiswa Potensial Drop Out Menggunakan Metode Clustering K-Means,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 2, no. 2, hal. 572–577, 2018, doi: 10.29207/resti.v2i2.308.

N. L. Ratniasih, “Penerapan Algoritma K-Nearest Neighbour (K-Nn) Untuk Penentuan Mahasiswa Berpotensi Drop Out,” J. Teknol. Inf. dan Komput., vol. 5, no. 3, hal. 314–318, 2019, doi: 10.36002/jutik.v5i3.804.

L. R. Haidar, E. Sediyono, dan A. Iriani, “Analisa Prediksi Mahasiswa Drop Out Menggunakan Metode Decision Tree Dengan Algoritma ID3 dan C4.5,” J. Transform., vol. 17, no. 2, hal. 97, 2020, doi: 10.26623/transformatika.v17i2.1609.

H. Salmawati, Yuyun, “Klasifikasi Mahasiswa Berpotensi Drop Out Menggunakan Algoritma Decision Tree C4 . 5 Dan Naive Bayes Di Universitas Jambi,” J. Ilm. Ilmu Komput., vol. 8, no. 2, hal. 115032, 2021, [Daring]. Tersedia pada: https://repository.unja.ac.id/25341/.

L. Elvitaria dan M. Havenda, “Memprediksi Tingkat Peminat Ekstrakurikuler Pada Siswa SMK Analisis Kesehatan Abdurrab Menggunakan Algoritma C4.5 (Studi Kasus: SMK Analis Kesehatan Abdurrab),” vol. 2, no. 2, hal. 110–124, 2017.

M. A. Hasanah, S. Soim, dan A. S. Handayani, “Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir,” J. Appl. Informatics Comput., vol. 5, no. 2, hal. 103–108, 2021, doi: 10.30871/jaic.v5i2.3200.

Yuli Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge Discovery in Database ( KDD ) . Jurnal Edik Informatika,” J. Edik Inform., vol. 2, no. 2, hal. 213–219, 2019.

F. & S. Sunardi, “Analisis Sentimen Menggunakan Metode Naive Bayes Classifier Pada Angket Mahasiswa,” J. Sains dan Teknol., vol. 10, no. 2, 2019.

Unduhan

Diterbitkan

30-04-2023

Cara Mengutip

Debora, R. M., Mahdiana, D., Rony, M. A., & Hasugian, H. (2023). PENERAPAN ALGORITME C.45 UNTUK KLASIFIKASI MAHASISWA BERPOTENSI DROP OUT PADA UNIVERSITAS BUDI LUHUR . Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(1), 316–325. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/518

Terbitan

Vol 2 No 1 (2023): Prosiding SENAFTI Ke-2 April 2023

Bagian

Artificial Intelligence

Lisensi

Hak Cipta (c) 2023 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.