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

Eka Sabna

doi:10.33060/JIK/2021/Vol10.Iss2.229

Authors

Eka Sabna
[email protected]

Keywords:

C4.5, NBC, IPK, 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 NaÃ¯ve 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

Downloads

Download data is not yet available.

References

Larose, D. T. (2006). DATA MINING

METHODS AND MODELS. In

Contemporary Psychology: A Journal of

Reviews (Vol. 21).

https://doi.org/10.1037/014836

Larose, D. T., & Larose, C. D. (2014). Discovering Knowledge in Data. In Discovering Knowledge in Data. https://doi.org/10.1002/9781118874059

Sabna, E. (2019). Pemanfaatan Data Mining Untuk Penempatan Buku Di Perpustakaan Menggunakan Metode Association Rule: Pemanfaatan Data Mining Untuk Penempatan Buku Di Perpustakaan Menggunakan Metode Association Rule. Jurnal Ilmu Komputer, 8(2), 59-63.

Rapidminer Inc. (2019). Split Validation

(RapidMiner Studio Core). Retrieved

May 8, 2019, from

https://docs.rapidminer.com/latest/studio/operators/validation/split_validation.html

Sabna, E., & Muhardi, M. (2016). Penerapan Data Mining Untuk Memprediksi Prestasi Akademik Mahasiswa Berdasarkan Dosen, Motivasi, Kedisiplinan, Ekonomi, Dan Hasil Belajar. Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer Dan Teknologi

Tair, M. M. A., & El-halees, A. M. (2012). Mining Educational Data to Improve Students â€™Performance : A Case Study. Journal of Theoretical and Applied Information Technology, 2(2), 140â€“146.

Tempola, F., Muhammad, M., & Khairan, A.

(2018). Perbandingan Klasifikasi Antara Knn Dan Naive Bayes Pada Penentuan Status Gunung Berapi Dengan K-Fold Cross Validation Comparison of Classification Between Knn and NaÃ¯ve Bayes At the Determination of the Volcanic Status With K-Fold Cross. 5(5),577â€“584.

https://doi.org/10.25126/jtiik20185983