IMPLEMENTASI ALGORITMA C4.5 UNTUK MEMPREDIKSI MASA STUDI MAHASISWA TEKNIK INFORMATIKA BERBASIS WEB

Authors

  • Tiefani Permata Sarie Universitas Muhammadiyah Cirebon
  • Dian Novianti Universitas Muhammadiyah Cirebon
  • Agust Isa Martinus Universitas Muhammadiyah Cirebon

Abstract

Perguruan tinggi merupakan kelanjutan pendidikan menengah yang diselenggarakan untuk
mempersiapkan peserta didik menjadi anggota masyarakat yang memiliki kemampuan akademis dan profesional,
Peraturan Menteri Pendidikan dan Kebudayaan Republik Indonesia N0.49 Tahun 2014 Tentang Standar Nasional
Pendidikan Tinggi pasal 17 ayat 2 “144 sks untuk diploma empat dan program sarjana”, dan ayat 3 “4 tahun
sampai 5 tahun untuk program diploma empat dan sarjana”. Setiap Perguruan Tinggi dan setiap Fakultas perlu
memperhatikan jenjang Lama Studi Mahasiswa untuk meningkatkan kualitas baik dari Perguruan itu sendiri dan
Fakultasnya.Implementasi Algoritma C4.5 dalam memprediksi Masa Studi Mahasiswa dapat dijadikan suatu
media untuk membantu mengetahui jenjang lama Studi yang akan ditempuh. Algoritma C4.5 merupakan
Algoritma Klasifikasi yang menghasilkan rule atau pohon keputusan. Algoritma C4.5 merupaka algoritma
klasifikasi yaitu algoritma yang menggunakan data dengan target/class/label berupa nilai kategorikal (nominal)
bertujuan untuk menentukan prediksi masa Studi Mahasiswa Teknik Informatika Universitas Muhammadiyah
Cirebon. parameter yang digunakan dalam penelitian ini adalah nilai Ips_1, Ips_2, Ips_3, Ips_4, Ips_5, waktu
studi, dan jenis kelamin. Sistem ini menghasilkan informasi mengenai masa studi Mahasiswa Teknik Informatika,
dan menghasilkan nilai akurasi dengan menggunakan confusion matrix, hasil penelitian juga menunjukkan bahwa
tingkat keakuratan metode algortima C4.5 dengan menggunakan 15 data memiliki tingkat akurasi,laju error,
sensivitas, dan spesifitas sebesar 73,33%,26,67%,, 0%, dan 78,57%, menggunakan 10 data memiliki tingkat
akurasi, tingkat keberhasilan sistem, dan tingkat ketepatan hasil keputusan sebesar 60%, 40%,0%, dan 66,67%,
dan sedankan menggunakan 6 data random dari data training memiliki tingkat akurasi, laju error, sensivitas, dan
spesifitas sebesar 71,43%, 28,57%,100%, dan 60%.

Downloads

Download data is not yet available.

Published

2021-02-08