Model Prediksi Kelulusan Tepat Waktu Mahasiswa Berdasarkan Algoritma Decision Tree C4.5
Abstract
Kelulusan mahasiswa tepat waktu merupakan suatu cerminan keberhasilan perguruan tinggi dalam menjalankan sistem pendidikan. Penelitian ini bertujuan untuk mengetahui prediksi kelulusan mahasiswa. Penelitian ini menggunakan 4 atribut dan 1 label. Penelitian ini dilakukan untuk menganalisis atribut dalam memprediksi lulusan tepat waktu menggunakan algoritma Decision Tree C4.5. Data yang digunakan dalam penelitian ini berasal dari web Kaggle sebanyak 524 data dan memiliki 14 atribut serta 1 label. Dalam penelitian ini, dataset dibagi menjadi dua, yaitu data training yang berjumlah 60% dan data testing yang berjumlah 40%. Pengujian ini dilakukan secara manual menggunakan Excel dengan data training. Pengujian menggunakan Python dilakukan dengan data testing, dan pengujian menggunakan Weka juga menggunakan data testing. Hasil yang diperoleh dari Weka menunjukkan nilai accuracy 84%, precision 88%, dan recall 84%. Sedangkan, accuracy Python menghasilkan 93%. Untuk hasil perhitungan manual, accuracy mendapatkan hasil 84%, precision 75%, dan recall 100%.
References
[2] F. M. Hana, “Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma Decision Tree C4.5,” J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 4, no. 1, pp. 32–39, 2020, doi: 10.47970/siskom-kb.v4i1.173.
[3] D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J. Sains Komput. Inform., vol. 5, no. 2, pp. 697–711, 2021.
[4] A. A. Rizal et al., “Peningkatan Efektifitas Programming Dengan Pelatihan Python for Data Science Bagi Komunitas Programming Pondok Pesantren,” vol. 1, no. 1, pp. 13–19, 2021.
[5] S. Turnip and P. Siltionga, “Analisis Pola Penyebaran Penyakit dengan Menggunakan Algoritma C4.5,” J. Tek. Inform. Unika St. Thomas, vol. 03, no. 479, pp. 3–7, 2018.