Penerapan Data Mining Untuk Memprediksi Masa Studi Mahasiswa Stikom Db Jambi Menggunakan Algoritma C4.5
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika Bangsa
Author
Silaban, Meyer Mega Eklesia
Subject
Artificial Intelligence
Datestamp
2020-08-07 07:35:19
Abstract :
Setiap tahun jumlah data mahasiswa pada STIKOM DB Jambi selalu bertambah dan tidak ada tindak lanjut manfaat dari data-data tersebut. Oleh karena itu, penulis melakukan analisis data mining pada data mahasiswa tersebut agar dapat dimanfaatkan oleh pembimbing akademik untuk mengetahui status kelulusan mahasiswa maupun sebagai peringatan agar mahasiswa bisa lulus dengan tepat waktu sehingga dapat menekan angka keterlambatan kelulusan. Penulis menggunakan data mahasiswa tahun 2012 sebagai data training dan 2017 sebagai data testing sebanyak 250 data training dan 250 data testing serta telah dilakukan proses cleaning data. Dalam melakukan analisis penulis menggunakan alat bantu Tools Weka. Penulis menggunakan metode algoritma C4.5 dengan 5 atribut. Dalam hal ini penulis menggunakan 5 options test, yaitu Use Training Test, 5 Fold Cross Validation, 10 Fold Cross Validation, 70% Percentage Split, dan 80% Percentage Split. Metode Algoritma C4.5 menghasilkan nilai akurasi terbesar pada data training yaitu Use Training Test sebesar 63,2% dan pada data testing sebesar 99,2% dengan menggunakan 5 Fold Cross Validation, 10 Fold Cross Validation. Atribut Nilai D+ merupakan atribut yang paling berpengaruh pada angkatan 2012 dan 2017 berdasarkan seleksi atribut menggunakan classifier attribute evaluation (ClassierrAttributeEval).
Setiap tahun jumlah data mahasiswa pada STIKOM DB Jambi selalu bertambah dan tidak ada tindak lanjut manfaat dari data-data tersebut. Oleh karena itu, penulis melakukan analisis data mining pada data mahasiswa tersebut agar dapat dimanfaatkan oleh pembimbing akademik untuk mengetahui status kelulusan mahasiswa maupun sebagai peringatan agar mahasiswa bisa lulus dengan tepat waktu sehingga dapat menekan angka keterlambatan kelulusan. Penulis menggunakan data mahasiswa tahun 2012 sebagai data training dan 2017 sebagai data testing sebanyak 250 data training dan 250 data testing serta telah dilakukan proses cleaning data. Dalam melakukan analisis penulis menggunakan alat bantu Tools Weka. Penulis menggunakan metode algoritma C4.5 dengan 5 atribut. Dalam hal ini penulis menggunakan 5 options test, yaitu Use Training Test, 5 Fold Cross Validation, 10 Fold Cross Validation, 70% Percentage Split, dan 80% Percentage Split. Metode Algoritma C4.5 menghasilkan nilai akurasi terbesar pada data training yaitu Use Training Test sebesar 63,2% dan pada data testing sebesar 99,2% dengan menggunakan 5 Fold Cross Validation, 10 Fold Cross Validation. Atribut Nilai D+ merupakan atribut yang paling berpengaruh pada angkatan 2012 dan 2017 berdasarkan seleksi atribut menggunakan classifier attribute evaluation (ClassierrAttributeEval).
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
