Penerapan Algoritma C4.5 dan K-Nearest Neighbor untuk Klasifikasi Peminatan Program Studi di Perguruan Tinggi Berdasarkan Nilai Rapor
Abstract
Setelah lulus Sekolah Menengah Kejuruan (SMK) siswa yang melanjutkan pendidikan ke Perguruan Tinggi sering merasa
kebingungan dengan program studi yang akan mereka ambil. Berdasarkan hasil penelitian pada tahun 2017 yang dikutip
oleh Murti, sebanyak 92% siswa SMA sederajat merasa bingung dan tidak tahu akan menjadi apa ke depannya. Pada
penelitian lainnya ditemukan 87% mahasiswa Indonesia mengakui bahwa jurusan yang mereka ambil tidak sesuai dengan
minatnya. Tujuan dari penelitian ini adalah Mengimplementasikan algoritma C4.5 dan K-Nearest Neighbor (K-NN) dalam
klasifikasi peminatan program studi. Algoritma yang digunakan pada penelitian ini yaitu C4.5 dan K-NN. Data yang
digunakan adalah nilai rapor Matematika dan mata pelajaran produktif siswa kelas XII jurusan Teknik Komputer Jaringan
(TKJ), Teknik Elektronika Industri (TEI), dan Rekayasa Perangkat Lunak (RPL) Sekolah Menengah Kejuruan Negeri
(SMKN) 1 Karawang. Hasil yang didapat dari pengujian menggunakan tool RapidMiner sebesar 98,04% untuk algoritma
K-NN dan 100% untuk algoritma C4.5. Pada tahap implementasi algoritma K-NN ke program diperoleh hasil sebesar 98%.
References
[2] Novianti. B., T. Rismawan, dan S. Bahri. 2016. Implementasi Data Mining Dengan Algoritma C4.5 Untuk. Jurnal Coding, Sistem Komputer Untan
4(3): 75-84.
[3] Siregar, A. M. dan A. Fauzi. 2020. Klasifikasi Kabupaten Kota Provinsi Jawa Barat Berdasarkan Pendapatan Dari Sektor Pertanian Dengan
Algoritma Decision Tree. Faktor Exacta 13(1): 1-8.
[4] Sambani, E. B. dan F. Nuraeni. 2017. Penerapan Algoritma C4.5 Untuk Klasifikasi Pola Penjurusan di Sekolah Menengah Kejuruan (SMK) Kota
Tasikmalaya. Computer Science Research and Its Development Journal 9(3): 149-157.
[5] Amalia, W., A. M. Siregar, dan S. A. P. Lestari. 2020. Seleksi Karyawan Menggunakan Algoritme C4.5 Pada Perusahaan Tekstil. Scientific Student
Journal for Information, Technology and Science. 1(2): 102-107.
[6] Nurjanah, S., A. M. Siregar, dan D. S. Kusumaningrum. 2020. Penerapan Algoritma K – Nearest Neighbor (K-NN) untuk Klasifikasi Pencemaran
Udara Di Kota Jakarta. Scientific Student Journal for Information, Technology and Science. 1(2): 71-76.
[7] Utari, F. D., A.M. Siregar, dan D. Wahiddin. 2020. Implementasi Algoritme K – Nearest Neighbor (K-NN) untuk Prediksi Hasil Produksi. Scientific
Student Journal for Information, Technology and Science. 1(1): 21-25.
[8] Prasetyo, E. 2014. Data Mining: Mengolah Data Menjadi Informasi Menggunakan Matlab. 1
st ed. Penerbit Andi. Jakarta.
[9] Haryati, S., A. Sudarsono, dan E. Suryana. 2015. Implementasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma
C4.5 (Studi Kasus: Universitas Dehasen Bengkulu). Jurnal Media Infotama 11(2): 130-138.
[10] Ernawati, S. dan R. Wati. 2018. Penerapan Algoritma K-Nearest Neighbors Pada Analisis Sentimen Review Agen Travel. JURNAL
KHATULISTIWA INFORMATIKA 6(1): 64-69.
[11] Lestari, M. 2015. Penerapan Algoritma Klasifikasi Nearest Neighbor (K-NN) Untuk Mendeteksi Penyakit Jantung. Faktor Exacta 7(4): 367-371.
[12] Kusumaningrum, D. S. dan S. A. P. Lestari. 2019. Analisis Kesulitan Belajar Matematika Diskrit Mahasiswa Teknik Informatika. PRISMA. 8(2): 96-
110
