PEMANFAATAN EDUCATIONAL DATA MINING (EDM) UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS: TI-S1 UDINUS)
DOI:
https://doi.org/10.36499/jim.v12i2.1635Abstract
Tersedianya data yang melimpah pada institusi pendidikan harus dimanfaatkan dengan baik. Menemukan pola studi mahasiswa dan hubungan antar atribut-atribut data pendidikan yang mempengaruhi masa studi mahasiswa dalam suatu data besar, menjadi kajian dalam penelitian ini. Data mining dapat diusulkan sebagai salah satu pendekatan yang dapat dilakukan untuk memprediksi kinerja siswa. Algoritma C4.5 diterapkan untuk menemukan pola klasifikasi terhadap mahasiswa yang telah lulus tepat waktu dan tidak tepat waktu serta melakukan prediksi terhadap data uji yang diberikan. Hasil akurasi menunjukkan algoritma C4.5 mampu melakukan prediksi dengan baik (73,68%) terhadap masa studi mahasiswa yang tepat waktu dan tidak tepat waktu. Penerapan Data Mining pada bidang pendidikan (Educational Data Mining) memberikan kemajuan dan kontribusi besar pada dunia pendidikan dan pada bidang riset data mining.
Â
Kata kunci: Data Mining, EDM, Masa Studi Mahasiswa, Algoritma C4.5, Decision TreeDownloads
Issue
Section
License
Authors who publish with this journal agree to the following terms:
The journal allow the authors to hold the copyright without restrictions and allow the authors to retain publishing rights without restrictions.
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
This work is licensed under a Creative Commons Attribution 4.0 International License.