PENERAPAN METODE C4.5 UNTUK KLASIFIKASI SISWA YANG BERPOTENSI STUDI LANJUT KE JENJANG PERGURUAN TINGGI (STUDI KASUS SMAN 1 CIBUNGBULANG)

• DHEA FAHIRA

---

ABSTRAK

ABSTRAK

Dhea Fahira (11182965), Penerapan Metode C4.5 Untuk Klasifikasi Siswa Yang Berpotensi Studi Lanjut Ke Jenjang Perguruan Tinggi (Studi Kasus SMAN 1 Cibungbulang)

Abstrak–Dalam dunia pendidikan, studi lanjut merupakan proses melanjutkan kegiatan pembelajaran ke Perguruan Tinggi. Kesempatan studi lanjut yang didapatkan siswa/i dapat menjadi indikator kualitas keberhasilan pendidikan juga membuka peluang kuota penerima SNMPTN bagi setiap sekolah. SMAN 1 Cibungbulang merupakan sekolah berakreditasi A dengan jumlah siswa/i kelas XII sebanyak 385 siswa/i pada tahun 2021. Namun pihak sekolah belum dapat menghitung presentase kelulusan siswa/i-nya yang dapat melanjutkan studi ke jenjang Perguruan Tinggi. Untuk mengatasi permasalahan ini diusulkan sebuah metode klasifikasi algoritma C4.5 serta implementasi Software RapidMiner agar dapat menghasilkan pengelompokkan pola dari sebuah data. Dari penerapan metode ini dibuatlah dua jenis data yang akan dikelola yaitu data training dan data testing, dari keduanya menghasilkan nilai akurasi Excellent Clasification dari data training dengan Confusion Matrix mencapai 77.43% dan data testing mencapai 61.07%. Kurva ROC menghasilkan akurasi 1.0 pada data training dan juga data testing. Hasil klasifikasi dari Decision Tree pun menghasilkan sebanyak 11 rules.

Kata Kunci: Penggalian Data, Algoritma C4.5, Klasifikasi, Pohon Keputusan, RapidMiner

KATA KUNCI

Metode C4.5

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1] R. D. Febriani, R. D. Febriani, C. Universitas, dan N. Padang, “SENIOR HIGH SCHOOL STUDENTS PERCEPTION TOWARDS,” vol. 3, no. 1, hal. 70–77, 2018.

[2] A. Fadillah, S. Sujana, dan I. Sukartaatmadja, “Kajian Minat Studi Lanjut SiswaSiswi SMA dan SMK Kota Bogor Ke Perguruan Tinggi,” JAS-PT J. Anal. Sist. Pendidik. Tinggi, vol. 3, no. 1, hal. 53, 2019, doi: 10.36339/jaspt.v3i1.229.

[3] A. ARDI, “PENGEMBANGAN MODUL PERENCANAAN STUDI LANJUT BAGI SISWA SMP/MTs,” Didaktika, vol. 11, no. 1, hal. 20, 2019, doi: 10.30863/didaktika.v11i1.153.

[4] F. Marisa, A. L. Maukar, dan T. Mohammad Akhriza, Data Mining Konsep Dan Penerapannya. Yogyakarta: Deepublish Publisher, 2021.

[5] M. Fhadli dan F. Tempola, Data Mining Dengan Phyton Untuk Pemula. 2020.

[6] R. Tri Vulandari, Data Mining Teori dan Aplikasi Rapidminer, 1 ed. Gava Media, 2017.

[7] S. Adinugroho dan Y. Arum Sari, IMPLEMENTASI DATA MINING MENGGUNAKAN WEKA, 1 ed. Malang: UB Press, 2018.

[8] D. Ayu Pratiwi, R. Maulana Awangga, dan M. Yusril Helmi Setyawan, SELEKSI CALON KELULUSAN TEPAT WAKTU MAHASISWA TEKNIK INFORMATIKA MENGGUNAKAN METODE NAIVE BAYES, 1 ed. Bandung: Kreatif Industri Nusantara, 2020.

[9] I. Arraniri et al., “TANTANGAN PENDIDIKAN INDONESIA DI MASA DEPAN,” 1 ed., E. Christian Soleiman dan A. Sri Fitriani, Ed. Cirebon: Insania, 2021, hal. 18.

[10] A. H. Nasrullah, “PENERAPAN METODE C4 . 5 UNTUK KLASIFIKASI MAHASISWA,” vol. 10, hal. 244–250, 2018.

[11] C. Wirawan, “Teknik Data Mining Menggunakan Algoritma Decision Tree C4.5 untuk Memprediksi Tingkat Kelulusan Tepat Waktu,” Appl. Inf. Syst. Manag., vol. 3, no. 1, hal. 47–52, 2020, doi: 10.15408/aism.v3i1.13033.

[12] S. Bahri, A. Lubis, U. Pembangunan, dan P. Budi, “METODE KLASIFIKASI DECISION TREE UNTUK MEMPREDIKSI JUARA,” vol. 2, no. 04, hal. 63–70, 2020.