DATA MINING DENGAN 2 (DUA) MODEL KLASIFIKASI UNTUK PREDIKSI KINERJA MAHASISWA

Abstract

Berlimpahnya data mahasiswa pada perguruan tinggi dapat digunakan secara maksimal sesuai dengan kebutuhan dan mampu diolah menjadi informasi yang bermanfaat sehingga dapat mengetahui hubungan antara atribut data yang di dalamnya dapat dianalisis dan diharapkan memiliki keluaran berupa kinerja mahasiswa yang berhubungan Hasil Belajar (IPK). Metode yang digunakan mengunakan metode CRISP-DM yang terdiri dari 6 tahapan. Ada 2 (dua) metode klasifikasi yang digunakan yaitu Naïve Bayes Classifier dan Decision Tree Algoritma C4.5 untuk dilakukan perbandingan algoritma mana yang lebih baik untuk memprediksi kinerja mahasiswa. Hasil dari implementasi data mining dengan menggunakan software Rapidminer, dilakukan terhadap dua model algoritma klasifikasi yaitu C4.5 dan NBC kemudian memasukan dataset sebagai bahan uji untuk kedua model tersebut yang di dalamnya terdapat data latih dan data uji. Berdasarkan nilai akurasi terbaik pada model algoritma Naive Bayes Classifier (NBC) adalah 80% sedangkan  berdasarkan nilai akurasi terbaik  pada model algoritma C4.5 adalah 60 %.

Keywords: C4.5, NBC, IPK, kinerja, mahasiswa