Penerapan Data Mining Terhadap Prediksi Mahasiswa Drop Out Pada Kampus STMIK Widuri Jakarta Dengan Metode Decision Tree C4.5
Keywords:
Prediksi, decision tree, Data MiningAbstract
Perguruan tinggi kini saling bersaing dalam bidang pendidikan. Mutu pendidikan tinggi tercermin dari keberhasilan dan kegagalan mahasiswa. Salah satu isu yang terkait dengan kegagalan mahasiswa adalah masalah (ketidakaktifan) menyelesaikan kuliah dan menghentikan penelitian. Tentu nilai dan kualitas pendidikan dan akreditasi universitas bisa berkurang. Tujuan dari prediksi ini adalah untuk menentukan faktor akademik yang mempengaruhi durasi studi dan menggunakan teknik data mining untuk membangun model prediksi terbaik. Berdasarkan data yang diperoleh dari penelitian ini mahasiswa mata kuliah ilmu komputer (BAAK) tahun 2017, 2018, 2019, sebanyak 107 data latih dan 100 data ujian. Atribut yang menjadi parameter terdiri dari enam atribut utama yaitu nama, jenis kelamin, pekerjaan orang tua, tempat tinggal, pendapatan orang tua. Dari hasil evaluasi dan validasi menggunakan alat RapidMiner, akurasi metode pohon keputusan (C4.5) adalah 97,12%, dan rata-rata nilai presisi dan recall adalah 96,15% dan 97,66%.
References
Andri, A., & Paulus, P. (2021). Prediksi Mahasiswa Berisiko Drop Out (DO) dengan ADTree dan NNge. Jurnal SIFO Mikroskil, 22(1). Retrieved from https://mikroskil.ac.id/ejurnal/index.php/jsm/article/view/794
Asriningtias, Y., & Mardhiyah, R. (2014). Aplikasi Data Mining Untuk Menampilkan Informasi. Informatika, 8(1), 837–848.
Budiyantara, A., Irwansyah, I., Prengki, E., Pratama, P. A., & Wiliani, N. (2020). Komparasi Algoritma Decision Tree, Naive Bayes Dan K-Nearest Neighbor Untuk Memprediksi Mahasiswa Lulus Tepat Waktu. JITK (Jurnal Ilmu Pengetahuan Dan Teknologi Komputer), 5(2), 265–270. https://doi.org/10.33480/jitk.v5i2.1214
Hayati, I. (2021). Klasifikasi Mahasiswa Berpotensi Drop Out Menggunakan Algoritma Decision Tree C4 . 5 Dan Naive Bayes Di Universitas Jambi. Retrieved from https://repository.unja.ac.id/25341/
Isma, I., Supianto, A. A., & Perdanakusuma, A. R. (2019). Aplikasi Data Mining menggunakan Algoritme C4.5 untuk Memprediksi Mahasiswa Berpotensi Drop Out (Vol. 3). Retrieved from http://j-ptiik.ub.ac.id
Jin, Z., Zhuo, H. B., Nakazawa, T., Shin, J. H., Wakamatsu, S., Yugami, N., … Kodama, R. (2016). Highly efficient terahertz radiation from a thin foil irradiated by a high-contrast laser pulse. Physical Review E, 94(3), 177–184. https://doi.org/10.1103/PhysRevE.94.033206
Muryono, T. T., Taufik, A., & Irwansyah, I. (2021). Perbandingan Algoritma K-Nearest Neighbor, Decision Tree, Dan Naive Bayes Untuk Menentukan Kelayakan Pemberian Kredit. Infotech: Journal of Technology Information, 7(1), 35–40. https://doi.org/10.37365/jti.v7i1.104
Nasrullah, A. H. (2018). Penerapan Metode C4.5 untuk Klasifikasi Mahasiswa Berpotensi Drop Out. ILKOM Jurnal Ilmiah, 10(2), 244–250. https://doi.org/10.33096/ilkom.v10i2.300.244-250
Sawitri, D. (2019). Analisis Penentuan Putus Studi (Drop Out) Mahasiswa Sekolah Pascasarjana Universitas Sumatera Utara Menggunakan Algoritmadata Mining C 4.5. Jurnal Ilmiah Simantek, 3(4), 29.
Supriyadi, S. (2017). Community of Practitioners: Solusi Alternatif Berbagi Pengetahuan antar Pustakawan. Lentera Pustaka: Jurnal Kajian Ilmu Perpustakaan, Informasi Dan Kearsipan, 2(2), 83. https://doi.org/10.14710/lenpust.v2i2.13476
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 David Ramdan, Feby Valentino , Nur Ikhsan , Asrul Sani
This work is licensed under a Creative Commons Attribution 4.0 International License.
