PERBANDINGAN ALGORITMA C4.5 DAN K-NN BERBASIS FITUR SELEKSI FORWARD SELECTION DALAM IDENTIFIKASI MAHASISWA BERPOTENSI DROP OUT

Main Article Content

Yeyen Dwi Atma Arif Setyanto

Abstract

Dalam dunia pendidikan, data mining dikenal dengan istilah Educational Data Mining (EDM). EDM merupakan teknik untuk menggali data pada ranah pendidikan, penggunaan EDM ditujukan untuk lebih memahami data mahasiswa. Dalam dunia pendidikan EDM membantu pendidik menganalisis hasil kinerja mahasiswa, mendeteksi mahasiswa yang memerlukan dukungan agar tidak mengalami kegagalan. Kegagalan akademik mahasiswa dalam menempuh pendidikan merupakan masalah yang penting untuk dilakukan analisa dan prediksi dalam meminimalisir banyaknya kasus mahasiswa putus studi atau drop out. Prediksi diberlakukan untuk memeberikan peringatan dini guna mencegah kegagalan mahasiswa. Algoritma data mining untuk proses klasifikasi dan prediksi yang banyak digunakan diataranya adalah C4.5 dan K-NN. Dalam penelitian ini C4.5 dan K-NN memanfaatkan fitur seleksi Forward selection dengan memanfaatkan karakteristik data itu sendiri. Dalam penelitian ini K-NN berbasi Forward selection  lebih akurat dalam mengklasifikasikan status mahasiswa dengan hasil akurasi 98.34% dan termasuk dalam kategori “excellent classification”.

Downloads

Download data is not yet available.

Article Details

Section
Articles

References

[1] Kantardzic, M., 2003, Data Mining: Concepts, Models, Methods, and Algorithms, John Wiley & Sons.
[2] Kusrini dan Luthfi, E. T., 2009. Algoritma Data Mining. Yogyakarta : Penerbit Andi.
[3] Kamber, M., & Han, J. 2006, Data Mining, Concepts and Techniques Second Edition, Morgan Kaufmann Publishers, San Francisco.
[4] Larose, Daniel T. 2005. Discovering Knowledge in Data: An Introduction to Marketing, Sales, Customer Relationship Management. Second Edition. Wiley MIT Press.
[5] Santoso, B. (2007). Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis (1 ed.). Yogyakarta: Graha Ilmu.
[6] Turban, Efraim., Jay E. Aronson, dan Ting Peng Liang. 2005. Decision Support System and Intelligent Systems (Sistem Pendukung Keputusan dan Sistem Cerdas). Edisi 7 Jilid 1, Andi Offset. Yogyakarta.
[7] Jiawei Han, Data Mining Concept And Technique, 2nd ed., Asma Stephan, Ed. Champaign, United States of America: Multiscience Press, 2007.
[8] U. Fayyad , Smyth P, 1996, “The KDD Process for Extracting Useful Knowledge from Volumes of Data”, in Communications of the ACM, Vol. 39, No. 11. (pp. 27-34)
[9] Wu, X., & Kumar, V, 2009, The Top Ten Algorithms in Data Mining, CRC Press, Boca Raton

[10] Achmad Rifai, Rizki Aulianita, 2018, Komparasi Algoritma Klasifikasi C4.5 dan Naïve Bayes Berbasis Particle Swarm Optimization Untuk Penentuan Resiko Kredit, Journal Speed – Sentra Penelitian Engineering dan Edukasi, ISSN : 1979-9330, Volume 10 No 2 – 2018.
[11] Dea Alverina, A. R. Chrismanto, and R. G. Santosa, 2018, Perbandingan Akurasi Algoritma C4.5 dan CART dalam Memprediksi Kategori Indeks Prestasi Mahasiswa, Jurnal Teknologi dan Sistem Komputer, vol. 6, no. 2, Apr. 2018. doi: 10.14710/jtsiskom.6.2.2018.76-83, ISSN:2338-0403.
[12] Budianita, E., Jasril, J., & Handayani, L. (2015). Implementasi Pengolahan Citra dan Klasifikasi K-Nearest Neighbour Untuk Membangun Aplikasi Pembeda Daging Sapi dan Babi Berbasis Web. Jurnal Sains dan Teknologi Industri, 12(2), 242-247.
[13] Geeta Kashyap, Ekta Chauhan, 2016, Parametric Comparisons of Classification Techniques in Data Mining Applications, International Journal of Engineering Development and Research, Vol 4, Issue 2, ISSN: 2321-9939
[14] Khairul Sani, Wing Wahyu Winarno, Silmi Fauziati, 2016, Analisis Perbandingan Algoritma Classification Untuk Authentication Uang Kertas (Studi Kasus: Banknote Authentication), Jurnal Informatika Vol. 10, No. 1
[15] Mohammad Fajariaditya Nugroho, Setyoningsih Wibowo, 2017, Fitur Seleksi Forward selection Untuk Menetukan Atribut Yang Berpengaruh Pada Klasifikasi Kelulusan Mahasiswa Fakultas Ilmu Komputer UNAKI Semarang Menggunakan Algoritma Naive Bayes, Jurnal Informatika Vol. 3, N. 1: ISSN: 2460-4801/2447-6645
[16] Sari Dewi, 2016, Komparasi 5 Metode Algoritma Klasifikasi Data Mining Pada Prediksi Keberhasilan Pemasaran Produk Layanan Perbankan, Jurnal Techno Nusa Mandiri, ISSN 1978-2136, Vol. 60 XIII, No. 1
[17] Wahyuni, S. (2018). IMPLEMENTASI RAPIDMINER DALAM MENGANALISA DATA MAHASISWA DROP OUT. Jurnal Abdi Ilmu, 10(2), 1899-1902.
[18] Draper, N., Smith, H., 1992, Analisis Regresi Terapan Edisi Kedua, PT. Gramedia Pustaka Utama, Jakarta.
[19] RapidMiner, 16 September 2018, RapidMiner Documentation, http://docs.rapidminer.com/