PREDIKSI PRESTASI AKADEMIK DI TINGKAT SEKOLAH MENENGAH KEJURUAN DENGAN ALGORITMA KLASIFIKASI

• CICIH SRI RAHAYU
• 14002466

---

ABSTRAK

 

ABSTRAK Nama : Cicih Sri Rahayu Nim : 14002466 Program Studi : Magister Ilmu Komputer Jenjang : Strata Dua (S2) Konsentrasi` : Data Mining Jenis Karya : Prediksi Prestasi Akademik Di Tingkat Sekolah Menengah Kejuruan Dengan Algoritma Klasifikasi Pada saat pandemi seperti sekarang ini pembelajaran di sekolah dilakukan dengan dua cara yaitu dengan Belajar Dari Rumah (BDR) dan Pembelajaran Tatap Muka (PTM) dimana pembelajaran ini mempengaruhi hasil prestasi peserta didik selain faktor cara belajar ada juga faktor lain yang mempengaruhi yaitu apakah peserta didik penerima KPS (kartu perlindungan sosial), berapa penghasilan orang tua, transportasi peserta didik ke sekolah dan jenis kelamin peserta didik di tingkat SMKN 1 Depok. Untuk mengetahui hasil prediksi prestasi akademik di tingkat sekolah menengah kejuruan, maka dilakukan penelitian Prediksi Prestasi Akademik Di Tingkat Sekolah Menengah Kejuruan Dengan Algoritma Klasifikasi. Metode yang digunakan adalah (1) Decesion Tree, (2) Support Vector
Machine (SVM), (3) Naive Bayes Classifier (NBC), (4) Random Forest (RF), (5) K-Nearest Neighbor (KNN). Penelitian ini bertujuan untuk memprediksi prestasi akademik, penelitian ini menggunakan tools Orange3-3.32.0-Minicondax86_64 untuk memperediksi Confusion Matrix, kita bisa menentukan Accuracy,
Precission, Recall, F1- Score dan Area Under the Curve (AUC) dan ROC Curve. Dan untuk mengetahui knowledgenya menggunakan bahasa pemrograman phyton dan Orange Command Prompt (Orange CMD). Hasil yang didapatkan berdasarkan
Cross-validation (CV) dengan Number Of Fold 10 dengan status Startfield maka performansi algoritma terbaik berdasarkan Accuracy,Precision, Recall, F1- Score adalah Naive Bayes Classifier (84%). Hasil penelitian dari 5 metode algoritma klasifikasi terbaik dan akurat adalah Naive Bayes Classifier (NBC). Kata kunci: Data Mining, Klasifikasi, Accuracy,Precision, Recall, F1- Score
 

KATA KUNCI

Algoritma Klasifikasi

---

DAFTAR PUSTAKA

 

DAFTAR REFERENSI
[1] S. Sulfasyah and J. Arifin, “Implikasi Pendidikan Nonformal Pada Remaja,”
Equilib. J. Pendidik. , vol. 4, no. 2, pp. 1 –8, 2017, doi:
10.26618/equilibrium.v4i2.506.
[2] UNDANG UNDANG REPUBLIK INDONESIA NOMOR 20 TAHUN 2003
TENTANG SISTEM PENDIDIKAN NASIONAL, “undang-undang nomor 20
tahun 2003,” Demogr. Res. , vol. 49, no. 0, pp. 1 -33 : 29 pag texts + end notes,
appendix, referen, 2003.
[3] H. Susanto and S. Sudiyatno, “Data mining untuk memprediksi prestasi siswa
berdasarkan sosial ekonomi, motivasi, kedisiplinan dan prestasi masa lalu,” J.
Pendidik. Vokasi, vol. 4, no. 2, pp. 222–231, 2014, doi: 10.21831/jpv.v4i2.2547.
[4] S. Hendrian, “Algoritma Klasifikasi Data Mining Untuk Memprediksi Siswa
Dalam Memperoleh Bantuan Dana Pendidikan,” Fakt. Exacta, vol. 11, no. 3, pp.
266–274, 2018, doi: 10.30998/faktorexacta.v11i3.2777.
[5] S. Novita R, P. Harsani, and A. Qur’ania, “Penerapan K-Nearest Neighbor (KNN)
untuk Klasifikasi Anggrek Berdasarkan Karakter Morfologi Daun dan Bunga,”
Komputasi, vol. 15, no. 1, pp. 118–125, 2018, [Online]. Available:
https://journal.unpak.ac.id/index.php/komputasi/article/view/1267.
[6] W. Yustanti, “Algoritma K-Nearest Neighbour untuk Memprediksi Harga Jual
Tanah,” J. Mat. Stat. dan komputasi, vol. 9, no. 1, pp. 57–68, 2012.
[7] D. Sofi, “Analisis dan Prediksi Kinerja Mahasiswa Menggunakan Teknik Data
Mining,” Syntak, vol. 2, pp. 1–10, 2013.
[8] M. T. Anwar, L. Heriyanto, and F. Fanini, “Model Prediksi Dropout Mahasiswa
Menggunakan Teknik Data Mining,” J. Inform. Upgris, vol. 7, no. 1, pp. 56–60,
2021, doi: 10.26877/jiu.v7i1.8023.
[9] A. I. Rizmayanti, N. Hidayati, F. S. Nugraha, and W. Gata, “Penerapan Data
Mining Untuk Memprediksi Kompetensi Siswa Menggunakan Metode Decission
Tree ( Studi Kasus Smk Multicomp Depok ),” Swabumi, vol. 9, no. 1, pp. 9–18,
2021, doi: 10.31294/swabumi.v9i1.8363.
[10] K. F. Irnanda, D. Hartama, and A. P. Windarto, “Analisa Klasifikasi C4.5
Terhadap Faktor Penyebab Menurunnya Prestasi Belajar Mahasiswa Pada Masa
Pandemi,” J. Media Inform. Budidarma, vol. 5, no. 1, p. 327, 2021, doi:
10.30865/mib.v5i1.2763.
[11] H. Annur, “Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes,”
Ilk. J. Ilm. , vol. 10, no. 2, pp. 160–165, 2018, doi: 10.33096/ilkom.v10i2.303.160-
165.
[12] K. F. Irnanda and A. P. Windarto, “Penerapan Klasifikasi C4.5 Dalam
Meningkatkan Kecakapan Berbahasa Inggris dalam Masyarakat,” Semin. Nas.
Teknol. Komput. Sains, pp. 304–308, 2020.
[13] D. R. S. P, A. P. Windarto, D. Hartama, and I. S. Damanik, “Penerapan Klasifikasi
C4.5 Dalam Meningkatkan Sistem Pembelajaran Mahasiswa,” KOMIK
(Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 593–597, 2019,
doi: 10.30865/komik.v3i1.1665.
[14] S. I. Astuti, S. P. Arso, and P. A. Wigati, Optimization Based Data Mining, vol. 3.
2015.
[15] D. T. Larose and C. D. Larose, DISCOVERING KNOWLEDGE IN DATA An
Introduction to Data Mining Second Edition Wiley Series on Methods and
Applications in Data Mining. 2014.
[16] T. Wahyudi, R. E. Indrajit, and Muh. Fauzi, “Pemanfaatan Status Kredit Nasabah
Untuk Mengevaluasi Pembiayaan Kpr Pada Bank Muamalat,” Pemanfaat. Status
Kredit Nasabah Untuk Mengevaluasi Pembiayaan Kpr Pada Bank Muamalat
Indones. Menggunakan Data Min. , vol. 13, no. November, pp. 1 –2, 2017,
72
Program Studi Ilmu Komputer (S2) Nusa Mandiri
[Online]. Available: jurnal.umj.ac.id/index.php/semnastek.
[17] F. A. D. Aji Prasetya Wibawa, Muhammad Guntur Aji Purnama, Muhammad
Fathony Akbar, “Metode-metode Klasifikasi,” Pros. Semin. Ilmu Komput. dan
Teknol. Inf., vol. 3, no. 1, p. 134, 2018.
[18] M. H. Dunham, “Data Mining Introduction Part1,” p. 315, 2002, [Online].
Available: http://books.google.com/books?id=30LBQgAACAAJ&pgis=1.
[19] W. Vogt, “Decision Tree,” Dict. Stat. Methodol. , 2015, doi:
10.4135/9781412983907.n503.
[20] “View of Analisa Klasifikasi menggunakan Algoritma Decision Tree pada Data
Log Firewall.pdf.” .
[21] G. Turbine, E. Using, S. Vector, and A. N. Network, “Support Vector Machine?
?????? ??? ???? ??? ?? ?? ??? ?? ??
????? ??? ????? ? ? ? Support Vector Machine?
?????? ??? ???? ??? ?? ?? ??? ?? ??
????? ??? ????? ???,” ??????????. ????
???????, vol. 2001, no. 112, pp. 33–38, 2001, [Online]. Available:
http://ci.nii.ac.jp/naid/110002935335/.
[22] R. E. Putri, Suparti, and R. Rahmawati, “Perbandingan Metode Klasifikasi Naãve
Bayes Dan K-Nearest Neighbor Pada Analisis Data Status Kerja Di Kabupaten
Demak Tahun 2012,” J. Gaussian, vol. 3, no. 4, pp. 831 –838, 2014.
[23] A. Fitri Cahyanti, R. Saptono, and S. Widya Sihwi, “Penentuan Model Terbaik
pada Metode Naive Bayes Classifier dalam Menentukan Status Gizi Balita dengan
Mempertimbangkan Independensi Parameter,” J. Teknol. Inf. ITSmart, vol. 4, no.
1, p. 28, 2016, doi: 10.20961/its.v4i1.1754.
[24] M. A. Ghani and A. Subekti, “Email Spam Filtering Dengan Algoritma Random
Forest,” IJCIT (Indonesian J. Comput. Inf. Technol. , vol. 3, no. 2, pp. 216–221,
2018.
[25] N. Khasanah, R. Komarudin, N. Afni, Y. I. Maulana, and A. Salim, “Skin Cancer
Classification Using Random Forest Algorithm,” Sisfotenika, vol. 11, no. 2, p.
137, 2021, doi: 10.30700/jst.v11i2.1122.
[26] R. D. Seeja and A. Suresh, “Melanoma segmentation and classification using deep
learning,” Int. J. Innov. Technol. Explor. Eng. , vol. 8, no. 12, pp. 2667–2672,
2019, doi: 10.35940/ijitee.L2516.1081219.
[27] M. Reza Noviansyah, T. Rismawan, and D. Marisa Midyanti, “Penerapan Data
Mining Menggunakan Metode K-Nearest Neighbor Untuk Klasifikasi Indeks
Cuaca Kebakaran Berdasarkan Data Aws (Automatic Weather Station) (Studi
Kasus: Kabupaten Kubu Raya),” J. Coding, Sist. Komput. Untan, vol. 06, no. 2,
pp. 48–56, 2018, [Online]. Available:
http://jurnal.untan.ac.id/index.php/jcskommipa/article/view/26672.
[28] A. J. Scott, D. W. Hosmer, and S. Lemeshow, Applied Logistic Regression. , vol.
47, no. 4. 1991.
[29] Ramli, D. Yuniarti, and R. Goejantoro, “Perbandingan Metode Klasifikasi Regresi
Logistik Dengan Jaringan Saraf Tiruan ( Studi Kasus?: Pemilihan Jurusan Bahasa
dan IPS pada SMAN 2 Samarinda Tahun Ajaran Comparison of Classification
Methods Between Logistic Regression and Artificial Neural Networ,” J.
Eksponensial, vol. 4, no. 1, pp. 17–24, 2013.
[30] L. Qadrini, A. Seppewali, and A. Aina, “Decision Tree dan Adaboost Pada
Klasifikasi Penerima Program Bantuan Sosial,” J. Inov. Penelit. , vol. 2, no. 7, pp.
1959–1966, 2021.
[31] S. Rahayu, F. S. Nugraha, and M. J. Shidiq, “Analisis Tingkat Keberhasilan
Cryoterapy Menggunakan Neural Network,” J. Pilar Nusa Mandiri, vol. 15, no. 2,
pp. 141 –148, 2019, doi: 10.33480/pilar.v15i2.599.
73
Program Studi Ilmu Komputer (S2) Nusa Mandiri
[32] F. Luis and G. Moncayo, No ?????????????????????
?????????????????Title. .
[33] S. Sentosa, “BAB III Rancangan Penelitian,” Metodologi Penelitian Biomedis
Edisi 2. pp. 43–60, 2008, [Online]. Available:
http://repository.maranatha.edu/id/eprint/2522.
[34] H. Junaedi, H. Budianto, I. Maryati, and Y. Melani, “Data Transformation pada
Data Mining,” Pros. Konf. Nas. Inov. dalam Desain dan Teknol. , vol. 7, pp. 93–
99, 2011.
[35] D. Gunawan, “Evaluasi Performa Pemecahan Database dengan Metode Klasifikasi
Pada Data Preprocessing Data mining,” Khazanah Informatika: Jurnal Ilmu
Komputer dan Informatika, vol. 2, no. 1. p. 10, 2016, doi:
10.23917/khif.v2i1.1749.
[36] K. Jiawei, Han, Micheline, “Konsep dan Teknik Data Mining Data
Preprocessing,” Buku, 2021.