PENERAPAN DATA MINING UNTUK PREDIKSI TINGKAT KELULUSAN SISWA DENGAN MENGGUNAKAN C4.5 (STUDI KASUS : AL AZHAR SYIFA BUDI JATIBENING)

ABSTRAK

Anita Sari (11180121), Penerapan Data Mining Untuk Prediksi Tingkat Kelulusan Siswa Dengan Menggunakan C4.5 (Studi Kasus : Al Azhar Syifa Budi Jatibening.

Al Azhar Syifa Budi Jatibening merupakan salah satu lembaga pendidikan swasta di kota Bekasi, yang masih menggunakan sistem konvensional didalam penyajian dan pengolahan data, sehingga memungkinkan seringnya terjadi kesalahan dan lambatnya proses pengolahan tingkat kelulusan siswa. Pada tahun 2013-2014 mengalami penurunan nilai kelulusan dikarenakan mulai peralihan kurikulum baru, sehingga memunculkan beberapa permasalahan baru yang harus dibahas dan dikaji ulang. Didalam menentukan sebuah tingkat kelulusan, tentunya terdapat berbagai pertimbangan yang perlu diperhatikan. Faktor-faktor pendukung tingkat kelulusan tersebut dibandingkan satu sama lainnya. Dengan menggunakan model KDD pada algoritma C4.5. Pengklasifikasian data tingkat kelulusan ditentukan oleh variable-variabel yang mempengaruhinya antara lain nilai PAS, nilai US, nilai UTS dan nilai perilaku siswa. Dengan menghitung nilai entropy dan gain dari masing-masing atribut yang telah ditentukan kemudian dibuat pohon keputusan dan diimplementasikan pada tools yang digunakan. Adapun metode yang digunakan pada penelitian ini untuk memprediksi tingkat kelulusan siswa dengan algoritma C4.5 dan pengolahannya menggunakan rapid miner kemudian dilakukan pengujian dan mendapatkan nilai accuracy sebesar 90.48%.

DAFTAR PUSTAKA

Baiq, A. C. P. (2018). Prediksi Kepuasan Mahasiswa Terhadap Tingkat Pelayanan Menggunakan Algoritma C4.5 (Decision Tree ) (Studi Kasus : Fakultas Teknik Universitas Hamzanwadi ), 1(1), 300.

Carolina, I., & Kresna, R. (2018). Klasifikasi Kelahiran Prematur Menggunakan Algoritma c4.5, 668–672.

Dicky, N. (2015). Konsep Data Mining Vs Sistem Pendukung Keputusan. deepublish. Retrievedifromihttps://books.google.co.id/books? id=PoJyCAAAQBAJ&pg=PA5&dq=data+mining+adalah&hl=id&sa=X&ved= 0ahUKEwjYhsWO18jeAhVOTn0KHRGJAmsQ6AEIRDAE#v=onepage&q=da ta mining adalah&f=false

Fatmawati. (2016). Perbandingan Algoritma Klasifikasi Data Mining Model C4 . 5 Dan Naive Bayes Untuk Prediksi Penyakit Diabetes. Jurnal Techno Nusa Mandiri, XIII(1), 50–59.

Gunarto, D. (2015). Panduan Lengkap Tes Modul materi. Jakarta: Bintang Wahyu. Retrievedifromihttps://books.google.co.id/books? id=anTCgAAQBAJ&pg=PA432&dq=Menurut+(Gunarto,

+2015)+“tingkat+kelulusan+siswa+yakni+angka+kelulusan+siswa.&hl=id&sa= X&ved=0ahUKEwi4r5Hc0oXgAhVCKY8KHewODwYQ6AEIKTAA#v=onep age&q

Indrawan, G. (2016). Penerapan Metode Decision Tree ( Data Mining ) Untuk Memprediksi Tingkat Kelulusan Siswa Smpn1, 35–44.

Kohestani, V. R., Hassanlourad, M., & Ardakani, A. (2015). q. Natural Hazards, 79(2), 1079–1089. https://doi.org/10.1007/s11069-015-1893-5

Kusmira, M., & Indrajit, R. E. (2017). Penerapan Algoritma Klasifikasi Data Mining Decision Tree Untuk Menentukan Penjurusan Siswa SMA 6 Tasikmalaya. Simposium Nasional Ilmu Pengetahuan Dan Teknologi (SIMNASIPTEK), 49– 53.

Maisyaroh. (2016). Pemanfaatan Tools Knowledge Management System pada Pembelajaran Multimedia Interaktif “ Virtual Drive Network” Studi Kasus : SMA Muhammadiyah 13 Jakarta. Jurnal Pilar Nusa Mandiri, XII(1), 21–28.

Meilani, B. D., & Susanti, N. (2015). Aplikasi Data Mining Untuk Menghasilkan Pola, 1(3), 182–189.

Nugroho, Y. S. (2014). Penerapan Algoritma C4.5 Untuk Klasifikasi Predikat Kelulusan Mahasiswa Fakultas Komunikasi Dan Informatika Universitas Muhammadiyah Surakarta. Prosiding Seminar Nasional Aplikasi Sains &

Teknologi (SNAST) 2014, (November), 1–6. https://doi.org/10.13140/RG.2.1.2734.8247

Purwaningsih, E. (2016). Seleksi Mobil Berdasarkan Fitur dengan Komparasi Metode Klasifikasi Neural Network, Support Vector Machine, dan Algoritma