ARKANI, JEPRI (2020) Implementasi Data Mining Menggunakan Algoritma C4.5 dan K-Means Dalam Klasifikasi Data Pada Minat Mahasiswa Dalam Mendaftar Di Perguruan Tinggi (Studi Kasus : PT XYZ). S1 thesis, Universitas Mercu Buana Jakarta.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (JURNAL MAHASISWA)
41516110026 JEPRI ARKANI.pdf Restricted to Registered users only Download (418kB) |
Abstract
There is a significant increase in the number of new student admissions at PTS from year to year. The existing fields of science and study programs have experienced a relatively high increase, especially in the field of information technology and others. There are opinions about study programs with educational level study programs that are managed by prospective students of a certain gender, while others argue that the field of science tends to be the top priority before choosing a study program with an educational level. Based on this, using classification techniques in data mining shows that the tendency of prospective students to choose education levels in tertiary institutions, especially regarding certain study programs that are in great demand. From the results of the K-Means grouping, C4.5 will be used to make rules (decision trees). In this study the authors will analyze the performance of the C4.5 and Kmeans data mining algorithms in determining the level of interest of students enrolling in XYZ college, and the results of the data mining algorithms obtained can be applied in classifying data in cases of predicted student interest recorded on campus. XYZ. Students with C4.5 and K-mean classification algorithms can classify students' interest in enrolling or not enrolling in XYZ college. Of the 50 data tested, there were 40 students enrolled and 10 students who were absent, where the highest level of student interest in the attribute 'graduation year' achieved a value based on the classification process algorithm C.45. Key words: Data Mining, C4.5 Algorithm, K-means Algorithm Terdapat jumlah kenaikan yang cukup berarti pada jumlah penerimaan mahasiswa baru di PTS dari tahun ketahun. Bidang ilmu dan program studi tertentu mengalami kenaikan yang relatif tinggi, khususnya di bidang teknologi informasi, maupun lainnya. Ada suatu pendapat mengenai program studi dengan jenjang pendidikan program tertentu cenderung dipilih oleh calon mahasiswa dengan gender tertentu pula, sedangkan yang lain berpendapat bidang ilmu yang lebih cenderung menjadi priorotas utama sebelum memilih program studi dengan jenjang pendidikannya. Berdasarkan hal tersebut maka dengan menggunakan teknik klasifikasi pada data mining dapat diketahui kecenderungan calon mahasiswa dalam memilih jenjang pendidikan di perguruan tinggi, khususnya mengenai program studi tertentu yang banyak peminatnya. Dari hasil pengelompokan K-Means akan digunakan oleh C4.5 untuk membuat rule (pohon keputusan).Dalam penelitian ini penulis akan menganalisis kinerja algoritma data mining C4.5 dan K-means dalam menentukan tingkat minat mahasiswa yang mendaftar di perguruan tinggi XYZ, dan hasil algoritma data mining yang diperoleh dapat diterapkan dalam mengkklasifikasi data keduanya dalam kasus prediksi minat siswa yang terdaftar di kampus XYZ. Mahasiswa dengan algoritma klasifikasi C4.5dan K-mean dapat mengklasifikasikan minat mahasiswa untuk mendaftar atau tidak mendaftar di perguruan tinggi XYZ. Dari 50 data yang diujikan terdapat 40 siswa yang terdaftar dan 10 siswa tidak berlaku, dimana tingkat minat siswa tertinggi pada atribut 'tahun kelulusan' memperoleh nilai tertinggi berdasarkan algoritma proses klasifikasi C.45. Kata kunci: Data Mining, C4.5 Algoritma, K-means Algoritma
Actions (login required)
 |
View Item |
