Prediksi Kelulusan Mahasiswa Berdasarkan Data Kunjung dan Peminjaman Buku menggunakan Rapid Miner dengan Metode C.45 dan Random Forest
(1) Magister Teknik Informatika, Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya, Indonesia
(*) Corresponding Author
Abstract
Masalah ini menyebabkan penumpukan data mahasiswa yang belum lulus, serta peningkatan kunjungan dan peminjaman buku
setiap harinya. Penelitian ini dilakukan untuk mendapatkan pengetahuan menggunakan teknik klasifikasi dengan memproses
data guna menemukan pola pada data kelulusan dan transaksi perpustakaan. Pengolahan data menggunakan metode decision
tree dengan algoritma C4.5 dan Random Forest. Atribut non-kelas yang digunakan meliputi IP semester 1-4, jumlah kunjungan,
pinjam buku dan status kelulusan. Prosesnya meliputi memuat data, membersihkan data, pemilihan fitur, pemodelan C4.5 and
Random Forest, pengujian akurasi menggunakan confusion matrix. Percobaannya menunjukkan bahwa kedua metode tersebut
memberikan tingkat akurasi prediksi yang cukup tinggi dalam memprediksi kelulusan mahasiswa. Dalam rasio training 90%
dan testing 10%, metode C4.5 memiliki akurasi sebesar 94,90%, sementara Random Forest mencapai akurasi sebesar 95,13%.
Manfaat dari penelitian ini adalah sebagai sumber pengetahuan strategis bagi program studi untuk memprediksi kelulusan
mahasiswa.
Keywords
Full Text:
PDFReferences
Amalia, H. (2018). Perbandingan Metode Data Mining Svm Dan Nn
Untuk Klasifikasi Penyakit Ginjal Kronis. Maret, 14(1), 1.
www.bsi.ac.id
Data, I., Untuk, M., Kinerja, M., Karyawan, K., Metode, M., & Linier,
R. (2022). Implementasi Data Mining Untuk Memprediksi
Kinerja. 02(1), 127–135.
Hozairi, H., Anwari, A., & Alim, S. (2021). Implementasi Orange Data
Mining Untuk Klasifikasi Kelulusan Mahasiswa Dengan Model
K-Nearest Neighbor, Decision Tree Serta Naive Bayes. Network
Engineering Research Operation, 6(2), 133.
https://doi.org/10.21107/nero.v6i2.237
Junshuai, F. (2019). Predicting Students’ Academic Performance with
Decision and Neural Network. Αγαη, 8(5), 55.
Kafil, M. (2019). Penerapan Metode K-Nearest Neighbors. Jurnal
Mahasiswa Teknik Informatika (JATI), 3(2), 59–66.
Labib, M., Zaidiah, A., & Yulistiawan, B. S. (2023). Klasifikasi
Ketepatan Lama Studi Mahasiswa Dengan Algoritma Random
Forest Dan Gradient Boosting ( Studi Kasus Fakultas Ilmu
Komputer Universitas Pembangunan Nasional Veteran Jakarta ).
–166.
Lusiana, A., & Yuliarty, P. (2020). PENERAPAN METODE
PERAMALAN ( FORECASTING ) PADA PERMINTAAN ATAP
di PT X.
Mardalius, M. (2018). Pemanfaatan Rapid Miner Studio 8.2 Untuk
Pengelompokan Data Penjualan Aksesoris Menggunakan
Algoritma K-Means. Jurteksi, 4(2), 123–132.
https://doi.org/10.33330/jurteksi.v4i2.36
Mounika, B., & Persis, V. (2019). A Comparative Study of Machine
Learning Algorithms for Student Academic Performance.
International Journal of Computer Sciences and Engineering,
(4), 721–725. https://doi.org/10.26438/ijcse/v7i4.721725
Naufalrifqi, S. (2022). Optimasi Random Forest Untuk Diagnosis
Penyakit Ginjal Kronik Dengan Menggunakan Particle Swarm
Optimization. 393–400.
Nurhanifa,1, Tedy Setiadib, 2. (2020). Prediksi Kelulusan Mahasiswa
Berdasarkan Data Berkunjung dan Pinjam Buku di Perpustakaan
Menggunakan Metode C4.5. 8(2), 24–33.
Prasetyo, E., Prasetiyo, B., & Korespondensi, P. (2020). Increased
Classification Accuracy C4.5 Algorithm Using Bagging
Techniques in Diagnosing Heart Disease. 7(5), 1035–1040.
https://doi.org/10.25126/jtiik.202072379
Presiden Republik Indonesia. (n.d.). Peraturan Presiden Nomor 71
Tahun 2016.pdf.
Putri, R. P. S., & Waspada, I. (2018). Penerapan Algoritma C4.5 pada
Aplikasi Prediksi Kelulusan Mahasiswa Prodi Informatika.
Khazanah Informatika : Jurnal Ilmu Komputer Dan Informatika,
(1), 1–7. https://doi.org/10.23917/khif.v4i1.5975
Sudarsono, B. G., Leo, M. I., Santoso, A., & Hendrawan, F. (2021).
Analisis Data Mining Data Netflix Menggunakan Aplikasi Rapid
Miner. JBASE - Journal of Business and Audit Information
Systems, 4(1), 13–21. https://doi.org/10.30813/jbase.v4i1.2729
Yuli Mardi. (2019). Data Mining : Klasifikasi Menggunakan Algoritma
C4.5 Data mining merupakan bagian dari tahapan proses
Knowledge Discovery in Database ( KDD ) . Jurnal Edik
Informatika. Jurnal Edik Informatika, 2(2), 213–219.
DOI: https://doi.org/10.53514/ir.v7i2.410
Article Metrics
Abstract views: 115 times
PDF Downloaded: 69 times
Refbacks
- There are currently no refbacks.
____________________________
Organized by: STMIK Dharma Wacana
Published by: Lembaga Penelitian dan Pengabdian Masyarakat (LP3M)
Jl. Kenanga No.03 Mulyojati 16C Metro Barat Kota Metro Lampung
phone. +62725-7850671
Fax. +62725-7850671
Email: lp3m.stmik@dharmawacana.ac.id
Jurnal I-Robot disupport juga oleh:
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.