Prediksi Kelulusan Mahasiswa Berdasarkan Data Kunjung dan Peminjaman Buku menggunakan Rapid Miner dengan Metode C.45 dan Random Forest

Romdan Muhamad Ubaidilah1*
(1) Magister Teknik Informatika, Ilmu Komputer, Institut Informatika dan Bisnis Darmajaya, Indonesia
(*) Corresponding Author

Abstract

Waktu kelulusan dan ketidakseimbangan antara jumlah pendaftar dan lulusan menjadi perhatian utama perguruan tinggi.
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

data kunjung, peminjaman buku, rapid miner, c.45, random forest.

Full Text:

PDF

References

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: 92 times
PDF Downloaded: 50 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:


Web Analytics Made Easy - StatCounter
View IRobot Statcounter


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.