KLASIFIKASI MASA STUDI MAHASISWA FAKULTAS KOMUNIKASI DAN INFORMATIKA UNIVERSITAS MUHAMMADIYAH SURAKARTA MENGGUNAKAN ALGORITMA C4.5

Yusuf Sulistyo Nugroho(1*)

(1) Jurusan Teknik Informatika Fakultas Komunikasi dan Informatika UMS
(*) Corresponding Author

Abstract

Saat ini dalam dunia pendidikan data yang berlimpah dan berkelanjutan bisa dimanfaatkan untuk data mining dalam rangka pengelolaan yang lebih baik dan pelaksanaan pembelajaran yang lebih efektif. Salah satunya adalah Fakultas Komunikasi dan Informatika (FKI) UMS yang telah berdiri sejak tahun 2006 dan telah memiliki sebanyak 2358 mahasiswa termasuk yang sudah lulus
sebanyak kurang lebih 600-700 mahasiswa. Penelitian ini dilakukan untuk memanfaatkan data-data yang melimpah tersebut sebagai sumber informasi strategis bagi fakultas untuk mengklasifikasi masa studi mahasiswa dengan menggunakan teknik data mining. Klasifikasi masa studi terhadap
data lulusan mahasiswa FKI UMS menggunakan metode Decision Tree dengan algoritma C4.5. Dari total 2358 data diambil sebanyak 341 data mahasiswa yang sudah lulus. Atribut yang digunakan terdiri dari jurusan sekolah, jenis kelamin, asal sekolah, rerata jumlah SKS per semester, dan peran menjadi asisten. Hasil penelitian menunjukkan bahwa variabel yang paling tinggi pengaruhnya
terhadap masa studi mahasiswa adalah rerata SKS per semester. Dengan demikian, interpretasi hasil penelitian mengindikasikan bahwa variabel yang perlu digunakan sebagai pertimbangan bagi fakultas untuk memperoleh tingkat masa studi yang efektif adalah rerata SKS yang diambil oleh mahasiswa.

Full Text:

PDF

References

Ayub, Mewati, 2007. Proses Data Mining dalam Sistem Pembelajaran Berbantuan Komputer. Jurnal Sistem Informasi Vol. 2 No. 1 Maret 2007 : 21-30

Breiman, L., Friedman, J. H., Olshen, R. A., & Stone, P. J. 1984. Classification and Regression Tree. Belmont, CA: Wadsworth International Group.

Karlinger, Fred, N. 1973. Foundation of Behavior Science Research. Holt, Rinehart.

Lesmana, Dody Putu. 2012. Perbandingan Kinerja Decision Tree J48 dan ID3 Dalam Pengklasifikasian

Diagnosis Penyakit Diabetes Mellitus. Jurnal Teknologi dan Informatika, Vol. 2, no. 2.

Lin, S. H. 2012. Data Mining for Student Retention Management. Journal of. Computer Science. Coll,

(4), 92-99.

Article Metrics

Abstract view(s): 743 time(s)
PDF: 878 time(s)

Refbacks

  • There are currently no refbacks.