Rancangan Aplikasi Prediksi Kelulusan Siswa Menggunakan Algoritma C4.5

Lastri Yuningsih, Iwan Rizal Setiawan, Asril Adi Sunarto

Abstract


Abstrak. SMK Al-Mizab Sukabumi merupakan lembaga pendidikan sekolah menengah kejuruan yang ada di Jampang Tengah Sukabumi. Sekolah ini memiliki banyak data yang terkait dengan kegiatan akademik, misalnya data kelulusan siswa. Data-data tersebut belum dimanfaatkan semaksimal mungkin, misalnya untuk memprediksi kelulusan siswa, sehingga dapat diambil tindakan untuk memaksimalkan persiapan pelaksanaan ujian akhir. Penelitian ini dilakukan untuk membuat rancangan sistem aplikasi menggunakan teknik klasifikasi yang dapat mengolah data dalam jumlah besar untuk menemukan pola yang terjadi pada data siswa. Pengolahan data tersebut digunakan untuk memprediksi kelulusan siswa. Teknik klasifikasi yang digunakan yaitu decision tree dengan penerepan algoritma C4.5 Inputan yang digunakan yaitu berupa atribut dari data siswa meliputi nilai persemester dari semester 1 sampai 5, dan nilai sikap. Pengujian aplikasi menggunakan data training 104 data siswa yang sudah lulus pada tahun 2016 sampai 2018. Pengetahuan yang diperoleh dari hasil traning aplikasi diharapkan dapat dimanfaat oleh manajemen SMK Al-Mizab sebagai alat bantu pengambilan keputusan yang lebih efektif dalam rangka perencanaan dan persiapan ujian akhir siswa.

Kata kunci: Rancangan Aplikasi, Prediksi Kelulusan Siswa, Algoritma C4.5, Decision Tree

 Abstract. “SMK Al-Mizab Sukabumi” is a vocational high school educational institution in Jampang Tengah Sukabumi. This school has a lot of data related to academic activities, for example student graduation data. These data have not been fully utilized, for example to predict student graduation, so that action can be taken to maximize preparation for the final exam. This research was conducted to design an application system using classification techniques that can process large amounts of data to find patterns that occur in student data. Data processing is used to predict student graduation. The classification technique used is a decision tree with a C4.5 algorithm. The input used is in the form of attributes from student data including the scores per semester from semester 1 to 5, and attitude values. Application testing uses training data of 104 student data who have passed in 2016 to 2018. The knowledge gained from the results of application training is expected to be used by the management of SMK Al-Mizab as a more effective decision-making tool in planning and preparing for student final exams.

Keywords: Application Design, Student Graduation Prediction, C4.5 Algorithm, Decision Tree


Full Text:

PDF

References


Suntoro, J. Data Mining: Algoritma dan Implementasi dengan Pemrograman PHP. Jakarta: Elex Media Komputindo, 2019

Mujahidin, A., & Pribadi, D. (2017). Penerapan Algoritma C4. 5 Untuk Diagnosa Penyakit Pneumonia Pada Anak Balita Berbasis Mobile. Jurnal Swabumi, 5(2), 155-161.

Fiandra, Y. A., Defit, S., & Yuhandri, Y. Penerapan Algoritma C4. 5 untuk Klasifikasi Data Rekam Medis berdasarkan International Classification Diseases (ICD-10). Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 2017; 1(2): 82-89

Pritalia, G. L. Penerapan Algoritma C4. 5 untuk Penentuan Ketersediaan Barang E-commerce. Indonesian Journal of Information Systems, 2018; 1(1): 47-56.

Arifin, M. F., & Fitrianah, D. Penerapan Algoritma Klasifikasi C4. 5 dalam Rekomendasi Penerimaan Mitra Penjualan Studi Kasus: PT Atria Artha Persada. InComTech, 2018; 8(2): 87-102.

Sunarti, S. Prediksi Promosi Jabatan Karyawan Dengan Algoritma C4. 5 (Studi Kasus: Apartemen Senayan Jakarta). Techno. Com, 2019;18(4): 288-298.

Taufiq, T., & Yudihartanti, Y. PENERAPAN ALGORITMA C4. 5 KLASIFIKASI TINGKAT KELULUSAN MAHASISWA. Soliter, 2, 153-162, 2020

Kusumawati, D., Winarno, W. W., & Arief, M. R. Prediksi Kelulusan Mahasiswa Menggunakan Metode Neural Network dan Particle Swarm Optimization. Semnasteknomedia Online, 2015; 3(1): 3-8

Rohmawan, E. P. Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Desicion Tree Dan Artificial Neural Network. Jurnal Ilmiah Matrik, 2018; 20(1): 21-30.

Hakim, L. A. R., Rizal, A. A., & Ratnasari, D. (2019). Aplikasi Prediksi Kelulusan Mahasiswa Berbasis K-Nearest Neighbor (K-NN). JTIM: Jurnal Teknologi Informasi Dan Multimedia, 2019; 1(1): 30-36.

Rahmatullah, S. Prediksi Tingkat Kelulusan Tepat Waktu dengan Metode Naive Bayes dan K-Nearest Neighbor. Jurnal Informasi Dan Komputer, 2019; 7(1): 7-16.

Sumpena, J., & Kurnia, N. (2019). Analisis Prediksi Kelulusan Siswa PKBM Paket C Dengan Metoda Algoritma Naïve Beyes. Jurnal TEDC, 2019; 13(2): 127-133.


Refbacks

  • There are currently no refbacks.


iew My Stats Counter

e-ISSN: 2685-0877

p-ISSN: 0216-3284

-------------------------------------------------------------------------------------

Indexed: