PREDIKSI KELULUSAN TINGKAT TARIAN ADAT BETAWI PADA SANGGAR MA’MANIH MENGGUNAKAN ALGORITMA C.45

• Ahmad Nabil, Reza Ramadhan, Muhammad Effendi Sah Putra

---

ABSTRAK

ABSTRAK

Reza Ramadhan (12182460), Ahmad Nabil (12182245), Muhammad Effendi Sah Putra (12182416), Prediksi Kelulusan Tingkat Tarian Adat Betawi Pada Sanggar Ma’manih Menggunakan Algoritma C.45

Kurangnya penelitian mengenai Sanggar tari Betawi Tradisional, Dan Sanggar sebagai sebuah lembaga pendidikan nonformal memiliki peran yang sangat penting yaitu untuk melatih bakat dan kreativitas di bidang seni. Data tentang murid yang lulus dapat memberikan informasi yang berguna bagi sanggar jika dimanfaatkan dengan maksimal. Salah satu cara untuk memanfaatkan data tentang murid yang lulus ini adalah dengan mengolahnya menggunakan data mining. Dengan proses data mining ini dapat ditemukan pola atau aturan yang dapat digunakan untuk menghasilkan suatu informasi seperti prediksi kelulusan penilain murid sanggar. Prediksi kelulusan murid dapat digunakan lebih lanjut untuk membantu sanggar tari dalam mengevaluasi dan memperbaiki sistem pembelajaran sehingga pihak sanggar tari dapat menghasilkan lulusan yang berkualitas. Menggunakan Klasifikasi algoritma C4.5 menggunakan Aplikasi RapidMiner. Dengan menggunakan hasil ini akan menghitung Entropy dan Gain di setiap Atribut, serta menghitung Accuracy dan Confusion Matrix. Dan metode pengumpulan datanya menggunakan riset, wawancara dan observasi ke Sanggar Ma’ManihBerdasarkan gambar diatas terdapat rincian jumlah True Positive (TP) 232, False Negative (FN) 23, False Positive (FP) adalah 0 dan True Negative (TN) 145. Sehingga menghasilkan nilai Accuracy sebesar 94.25%, nilai Precision 86,31%, Sensitivity 90,98%, dan Sepecificity 100.00%.Kegiatan Dari hasil penelitian ini ditemukan Total Entropy adalah 0.587930373 dan Gain tertinggi dari atribut adalah 0.536554955 dari Her. 3. Dari peneliti ini disimpulkan jumlah murid yang Tingkat kenaikannya adalah 85 murid dari 99 murid sanggar dengan nilai Entropy adalah 0.536554955.

Kata Kunci: Tari Tradisional, Klasifikasi, Decision Tree

KATA KUNCI

Algoritma C.45

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1] N. Nuraeni and D. Zaliluddin, “Rancang Bangun Virtual Reality Pemgenalan Tari Daerah di Jawa Barat Pada Sanggar Tari Cineur,” vol. 5, no. 2, pp. 18–19, 2021.

[2] C. S. Pazos, “No ????????????????????? ??? ??????????????Title,” Anal. Micro-Earthquakes San Gabriel Mt. Foothills Reg. Gt. Pomona Area As Rec. By a Tempor. Seism. Deploy., vol. 1, no. hal 140, p. 43, 2014, [Online]. Available: http://www.springer.com/series/15440%0Apapers://ae99785b-2213-416daa7e-3a12880cc9b9/Paper/p18311.

[3] F. Maulinda, “Pembelajaran Seni Tari Di Sanggar Tari Kapencot Ateh Kabupaten Pamekasan,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2019.

[4] F. A. Alam, “Pengaruh Tingkat Pendidikan Dan Perhatian Orang Tua Terhadap Kedisiplinan Belajar Siswa Di Smp Negeri 3 Barru,” J. Bimbing. dan Konseling, vol. 7, no. 1, pp. 1–11, 2020, [Online]. Available: https://jurnal.stkipmb.ac.id/index.php/bkmb/article/view/48.

[5] A. P. Natasuwarna, “Tantangan menghadapi era revolusi 4.0 - Big data and data mining,” Semin. Nas. Has. Pengabdi. Kpd. Masy., pp. 23–27, 2019.

[6] I. Romli and A. T. Zy, “Penentuan Jadwal Overtime Dengan Klasifikasi Data Karyawan Menggunakan Algoritma C4.5,” J. Sains Komput. Inform. (JSAKTI, vol. 4, no. 2, pp. 694–702, 2020.

[7] R. Puspita and A. Widodo, “Perbandingan Metode KNN, Decision Tree, dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS,” J. Inform. Univ. Pamulang, vol. 5, no. 4, p. 646, 2021, doi: 10.32493/informatika.v5i4.7622.

[8] R. Nofitri and N. Irawati, “Integrasi Metode Neive Bayes Dan Software Rapidminer Dalam Analisis Hasil Usaha Perusahaan Dagang,” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 6, no. 1, pp. 35–42, 2019, doi: 10.33330/jurteksi.v6i1.393.

[9] S. Steven and S. Herlambang, “Pertunjukan Kesenian Betawi Milenial,” J. Sains, Teknol. Urban, Perancangan, Arsit., vol. 1, no. 1, p. 332, 2019, doi: 43 10.24912/stupa.v1i1.3991.

[10] P. Teknik, P. Dan, P. Microsoft, E. Sebagai, P. Penilaian, and R. Siswa, “Pelatihan Teknik Pengoperasian Dan Pemanfaatan Microsoft Excel Sebagai Persiapan Penilaian Raport Siswa,” vol. 01, no. 03, pp. 72–76, 2021.

[11] E. D. Lestari and A. Asiyah, “Seni Tari Dalam Meningkatkan Kemampuan Motorik Kasar Anak Usia Dini Usia 5-6 Tahun,” Al Fitrah J. Early …, pp. 209–224, 2020, [Online]. Available: https://ejournal.iainbengkulu.ac.id/index.php/alfitrah/article/view/3794%0Ahtt ps://ejournal.iainbengkulu.ac.id/index.php/alfitrah/article/download/3794/276 4.

[12] D. P. Utomo and M. Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” J. Media Inform. Budidarma, vol. 4, no. 2, p. 437, 2020, doi: 10.30865/mib.v4i2.2080.

[13] W. Purba, W. Siawin, and . H., “Implementasi Data Mining Untuk Pengelompokkan Dan Prediksi Karyawan Yang Berpotensi Phk Dengan Algoritma K-Means Clustering,” J. Sist. Inf. dan Ilmu Komput. Prima(JUSIKOM PRIMA), vol. 2, no. 2, pp. 85–90, 2019, doi: 10.34012/jusikom.v2i2.429.

[14] M. Rizki, D. Devrika, I. H. Umam, and F. S. Lubis, “Aplikasi Data Mining dalam Penentuan Layout Swalayan dengan Menggunakan Metode MBA,” J. Tek. Ind. J. Has. Penelit. dan Karya Ilm. dalam Bid. Tek. Ind., vol. 5, no. 2, p. 130, 2020, doi: 10.24014/jti.v5i2.8958.

[15] S. AMIR, “DATA MINING Prediksi Kebutuhan Nasabah Dengan Teknik Data Mining Dalam Mendukung Strategi Pemasaran Bank,” J. Bangkit Indones., vol. 7, no. 2, p. 40, 2019, doi: 10.52771/bangkitindonesia.v7i2.42.

[16] M. M. K. Neighbor, “Penerapan data mining untuk prediksi penjualan produk elektronik terlaris menggunakan metode k-nearest neighbor,” 2018.

[17] B. S. G. Sri Wahyuni, “Perancangan Sistem Pendukung Keputusan Pemberangkatan Haji Dengan Metode Decision Tree Pada Kantor Kementerian Agama Kota Binjai,” J. Tek. Inform. Kaputama, vol. 2, no. 2, pp. 47–54, 2018.

[18] M. N. Yatimah, “Implementasi Data Mining untuk Prediksi Kelulusan Tepat Waktu Mahasiswa STIMIK ESQ Menggunakan Decision Tree C4.5,” 44 JUMANJI (Jurnal Masy. Inform. Unjani), vol. 5, no. 2, p. 89, 2021, doi: 10.26874/jumanji.v5i2.95. ??? ?? ??? ????? ??? ?? ???? “,?????Title No “,Hinestroza .D]

[19[ 2018. 25,–1 .pp ,September .no 7, .vol ,

? ??? ??? ?? [20] H. Mahmud Nawawi, S. Rahayu, M. Ja, far Shidiq, J. Jaya Purnama, and P. Studi Ilmu Komputer STMIK Nusa Mandiri Jakarta wwwnusamandiriacid, “Algoritma C4.5 Untuk Memprediksi Pengambilan Keputusan Memilih Deposito Berjangka,” Maret, vol. 16, no. 1, p. 65, 2019, [Online]. Available: www.nusamandiri.ac.id.

[21] F. Elfaladonna and A. Rahmadani, “Analisa Metode Classification-Decission Tree Dan Algoritma C.45 Untuk Memprediksi Penyakit Diabetes Dengan Menggunakan Aplikasi Rapid Miner,” SINTECH (Science Inf. Technol. J., vol. 2, no. 1, pp. 10–17, 2019, doi: 10.31598/sintechjournal.v2i1.293.

[22] A. Natasuwarna, “Seminar Pendekatan Data Mining Memprediksi Profil Sosial Masyarakat Menggunakan Aplikasi RapidMiner,” Semin. Nas. Pengabdi. Masy., vol. 38, pp. 38–44, 2019.

[23] D. B. Srisulistiowati, M. Khaerudin, and ..., “Sistem Informasi Prediksi Penjualan Alat Tulis Kantor Dengan Metode Fp-Growth (Studi Kasus Toko Koperasi Sekolah Bina Mulia),” JSI (Jurnal …, pp. 243–256, 2021, [Online]. Available: https://journal.universitassuryadarma.ac.id/index.php/jsi/article/view/739%0A https://journal.universitassuryadarma.ac.id/index.php/jsi/article/download/739/ 722.

[24] R. P. S. Putri and I. Waspada, “Penerapan Algoritma C4.5 pada Aplikasi Prediksi Kelulusan Mahasiswa Prodi Informatika,” Khazanah Inform. J. Ilmu Komput. dan Inform., vol. 4, no. 1, p. 1, 2018, doi: 10.23917/khif.v4i1.5975.

[25] L. Y. Lumban Gaol, M. Safii, and D. Suhendro, “Prediksi Kelulusan Mahasiswa Stikom Tunas Bangsa Prodi Sistem Informasi Dengan Menggunakan Algoritma C4.5,” Brahmana J. Penerapan Kecerdasan Buatan, vol. 2, no. 2, pp. 97–106, 2021, doi: 10.30645/brahmana.v2i2.71.