Penerapan Algoritma C5.0 Pada Analisis Faktor-Faktor Pengaruh Kelulusan Tepat Waktu Mahasiswa Teknik Informatika Universitas Muhammadiyah Malang
Article Sidebar
Main Article Content
Abstract
Kelulusan tepat waktu mahasiswa merupakan salah satu permasalahan yang sulit untuk diatasi oleh setiap pihak perguruan tinggi, begitu pula pada jurusan Teknik Informatika Universitas Muhammadiyah Malang. Permasalahan ini harus segera diatasi mengingat kualitas mahasiswa akan mempengaruhi sebuah akreditasi perguruan tinggi maupun jurusan. Oleh karena itu, perlu dilakukan analisis faktor-faktor pengaruh kelulusan tepat waktu mahasiswa Teknik Informatika UMM. Penelitian ini menggunakan algoritma C5.0 untuk melakukan seleksi fitur penting dan analisis regresi untuk melakukan estimasi peluang kelulusan tepat waktu mahasiswa. Variabel bebas yang digunakan adalah jenis kelamin, asal daerah, status masuk, SKS semester 4, SKS semester 6, IP semester 2, IP semester 4, IP semester 6, IPK semester 2, IPK semester 4, IPK semester 6, jenis SMA, status SMA, pendidikan orang tua, dan pekerjaan orang tua. Hasil implementasi algoritma C5.0 pada penelitian ini mampu melakukan seleksi fitur dengan menghasilkan 8 dari total keseluruhan 15 fitur dengan nilai akurasi yang lebih baik dibandingkan nilai akurasi yang menggunakan keseluruhan fitur. Serta, penelitian ini mampu memberikan model regresi dengan nilai akurasi sebesar 82%.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
Risnawati, “ANALISIS KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA C.45,” J. Mantik Penusa, vol. 2, no. 1, pp. 71–76, 2018.
I. K. P. Suniantara and M. Rusli, “KLASIFIKASI WAKTU KELULUSAN MAHASISWA STIKOM BALI MENGGUNAKAN CHAID REGRESSION – TREES DAN REGRESI LOGISTIK BINER,” vol. 5, no. 1, 2017.
I. K. P. Suniantara, “Analisis Clasification and Regression Trees ( CART ) pada Lama Studi Mahasiswa STIKOM BALI,” in SENAPATI 2016, 2016, pp. 30–34.
R. Fitriana, “ANALISIS SURVIVAL FAKTOR-FAKTOR YANG MEMPENGARUHI LAMA STUDI MAHASISWA PENDIDIKAN MATEMATIKA ANGKATAN 2010 DENGAN METODE REGRESI COX PROPORTIONAL HAZARD,” Universitas Negeri Semarang, 2016.
Betrisandi, “KLASIFIKASI NASABAH ASURANSI JIWA MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION,” Ilk. J. Ilm., vol. 9, no. April, pp. 96–101, 2017.
Y. A. Tampil, H. Komalig, and Y. Langi, “Analisis Regresi Logistik Untuk Menentukan Faktor-Faktor Yang Mempengaruhi Indeks Prestasi Kumulatif ( IPK ) Mahasiswa FMIPA Universitas Sam Ratulangi Manado,” JdC, vol. 6, no. 2, pp. 56–62, 2017.
F. A. Hermawati, Data Mining. Yogyakarta: Penerbit ANDI Yogyakarta, 2013.
E. Prasetyo, Data Mining - Konsep dan Aplikasi Menggunakan MATLAB. Yogyakarta: Penerbit ANDI Yogyakarta, 2012.
H. Munawaroh, B. Khusnul, and Y. Kustiyahningsih, “Perbandingan Algoritma ID3 dan C5.0 dalam Indentifikasi Penjurusan Siswa SMA,” J. Sarj. Tek. Inform., vol. 1, no. 1, pp. 1–12, 2013.
C. Hutabarat, “PENERAPAN DATA MINING UNTUK MEMPREDIKSI PERMINTAAN PRODUK KARTU PERDANA INTERNET MENGGUNAKAN ALGORITMA C5.0 (STUDI KASUS: VIDHA PONSEL),” J. Pelita Inform., vol. 17, no. 2, pp. 168–173, 2018.
Sugiarto, Tahap Awal + Aplikasi Analisis Regresi. Yogyakarta: ANDI OFFSET, 1992.
Zakariyah and I. Zain, “Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM,” J. Sains dan Seni ITS, vol. 4, no. 1, pp. 121–126, 2015.
H. Yuliansyah, “PERANCANGAN REPLIKASI BASIS DATA MYSQL DENGAN MEKANISME PENGAMANAN MENGGUNAKAN SSL ENCRYPTION,” J. Inform., vol. 8, no. 1, pp. 826–836, 2014