Optimasi Algoritma C4.5 Menggunakan Metode Adaboost Classification Pada Klasifikasi Nilai Mahasiswa Studi Kasus: Universitas Muhammadiyah Kalimantan Timur
DOI:
https://doi.org/10.33084/jsakti.v6i1.5458Keywords:
Akurasi, Algoritma C4.5, Metode Adaboost Classification, Nilai Mahasiswa, KlasifikasiAbstract
Penelitian ini membahas tentang klasifikasi nilai mahasiswa dengan menggunakan optimasi algoritma C4.5 menggunakan Adaboost Classification. Dengan adanya permasalahan yang dihadapi yaitu, penurunan nilai mahasiswa yang drastis, maka tujuan penelitian ini untuk mengetahui indikator yang mempengaruhi penurunan nilai mahasiswa dan meningkatkan persentase akurasi pada algoritma C4.5 menggunakan metode Adaboost Classification. Hasil pengujian awal dengan algoritma C4.5 menunjukkan akurasi sebesar 81% dalam klasifikasi nilai mahasiswa. Namun, akurasi tersebut perlu ditingkatkan. Oleh karena itu, penelitian ini menerapkan metode seleksi fitur dengan menambahkan metode Adaboost Classification untuk mengoptimalkan akurasi algoritma C4.5. hasil pengujian menunjukkan bahwa dengan metode Adaboost Classification, akurasi dapat meningkat menjadi 85% dengan indikator yang berpengaruh antara lain progress, course completed, tugas 1, tugas 2 dan simbol sebagai kelas targetnya. Penelitian ini memberikan kontribusi dalam meningkatkan akurasi dengan mengoptimalkan algoritma C4.5 melalui metode Adaboost Classification serta dapat digunakan untuk meningkatkan system evaluasi nilai mahasiswa untuk meningkatkan kualitas pendidikan.
Downloads
References
Anggita, S. D., & Ikmah, I. (2021). Implementasi Pso Untuk Optimasi Bobot Atribut Pada Algoritma C4.5 Dalam Prediksi Kelulusan Mahasiswa. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 6(2), 416–423. https://doi.org/10.29100/jipi.v6i2.2440
Atma, Y. D., & Setyanto, A. (2018). Perbandingan algoritma c4.5 dan k-nn dalam identifikasi mahasiswa berpotensi drop out. Metik Jurnal ISSN : 2580-1503, 2(2), 31–37.
Galih, G. (2019). Data Mining di Bidang Pendidikan untuk Analisa Prediksi Kinerja Mahasiswa dengan Komparasi 2 Model Klasifikasi pada STMIK Jabar. Jurnal Teknologi Sistem Informasi Dan Aplikasi, 2(1), 23. https://doi.org/10.32493/jtsi.v2i1.2643
Komang Aditya Pratama, Gede Aditra Pradnyana, & I Ketut Resika Arthana. (2020). Pengembangan Sistem Cerdas Untuk Prediksi Daftar Kembali Mahasiswa Baru Dengan Metode Naive Bayes (Studi Kasus: Universitas Pendidikan Ganesha). SINTECH (Science and Information Technology) Journal, 3(1), 22–34. https://doi.org/10.31598/sintechjournal.v3i1.523
Rustam, S. (2020). Klasifikasi Komptensi Mahasiswa Dengan Algoritma Decision Tree Dalam Menetukan Kelayakan Mata Kuliah Kosentrasi. Simtek : Jurnal Sistem Informasi Dan Teknik Komputer, 5(2), 59–62. https://doi.org/10.51876/simtek.v5i2.76
Wanto, A., Siregar, N. H., Windarto, A. P., Hartama, D., Ginantra, N. L. W. S. R., Napitulu, D., Negara, E. S., Lubis, M. R., Dewi, S. V., & Prianto, C. (2020). Data Mining ALGORITMA & IMPLEMENTASI (T. Limbong (ed.)). Yayasan Kita Menulis.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Suci Mawaddah , Wawan Joko Pranoto , Faldi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
All rights reserved. This publication may be reproduced, stored in a retrieval system, or transmitted in any form or by any means, electronic, mechanical, photocopying, recording.
