Perbandingan Penerapan Algoritma Decision Tree C.45 dan Naïve Bayes Dalam Analisa Kelulusan Siswa pada SMK Swadhipa 2 Natar Kabupaten Lampung Selatan

Yus Susanti, Muhammad Gus Choyyin, Aziz Priyatna, Sri Lestari

Abstract


Salah satu penerapan data mining pada bidang pendidikan seperti untuk memprediksi kelulusan siswa sekolah. Prediksi kelulusan siswa ini menggunakan data yang berasal dari transkip nilai akhir dari masing-masing siswa, adapun atribut yang digunakan yakni nilai rata-rata pelajaran Bahasa Indonesia, Bahasa Inggris, dan Matematika mulai dari semester 1 hingga semester 5 serta riwayat SP yang pernah didapat selama siswa tersebut sekolah. Pada penelitian ini menggunakan dua metode data mining, yaitu algoritma C4.5 dan Naïve bayes. Penggunaan dua metode pada penelitian Akurasi: Decision Tree C4.5 memiliki akurasi sebesar 80%, sedangkan Naïve Bayes memiliki akurasi sebesar 75%. Hal ini menunjukkan bahwa Decision Tree C4.5 lebih akurat dalam memprediksi kelulusan siswa dibandingkan dengan Naïve Bayes.Presisi: Decision Tree C4.5 memiliki presisi sebesar 82%, sedangkan Naïve Bayes memiliki presisi sebesar 78%. Decision Tree C4.5 memiliki tingkat presisi yang sedikit lebih tinggi dibandingkan dengan Naïve Bayes.Recall: Decision Tree C4.5 memiliki recall sebesar 75%, sedangkan Naïve Bayes memiliki recall sebesar 80%. Naïve Bayes memiliki tingkat recall yang sedikit lebih tinggi dibandingkan dengan Decision Tree C4.5. F1-score: Decision Tree C4.5 memiliki F1 score sebesar 78%, sedangkan Naïve Bayes memiliki F1-score sebesar 76%. F1-score Decision Tree C4.5 sedikit lebih tinggi dibandingkan dengan Naïve Bayes.

 

Kata Kunci: Data mining, Clacification, C4.5 Algoritma, Naive Bayes

 


Full Text:

PDF

References


M. Kmil and W. Cholil, “Analisis Perbandingan Algoritma C4.5 dan Naive Bayes pada Lulusan Tepat Waktu Mahasiswa di Universitas Islam Negeri Raden Fatah Palembang,” J. Inform., vol. 7, no. 2, pp. 97–106, 2020, doi: 10.31294/ji.v7i2.7723.

S. Kasus and S. Cikarang, “1408-Article Text-2874-1-10-20220911,” vol. 11, no. 3, pp. 143–148, 2020.

M. A. Yulianto, “Implementasi FIS Sugeno pada Algoritma C4. 5 Berbasis Particle Swarm Optimization (PSO) untuk Prediksi Prestasi Siswam,” JOAIIA J. Artif. Intell. Innov. Appl., vol. 1, no. 1, pp. 12–22, 2020, [Online]. Available: http://www.openjournal.unpam.ac.id/index.php/JOAIIA/article/view/4272.

D. A. Wulandari, B. N. Sari, and T. N. Padilah, “Prediction of Student Graduation Accuracy Using C45 Algorithm (Case Study: Fasilkom Unsika),” Systematics, vol. 4, no. 1, p. 372, 2022.

E. F. Wati and B. Rudianto, “Universitas Bina Sarana Informatika 1 Teknik Informatika, Universitas Nusa Mandiri ,2 Jl. Kramat Raya No.98, Senen, Jakarta Pusat 10450 1 Jl,” Raya Jatiwaringin, vol. 11, no. 2, pp. 168–175, 2022.

Y. Septiani and P. F. Ariyani, “Penerapan Algoritma Naive Bayes Menentukan Klasifikasi Tingkat Kelulusan Siswa SMK Media Informatika Jakarta,” Semin. Nas. Mhs. …, no. September, pp. 607–613, 2022, [Online]. Available: http://senafti.budiluhur.ac.id/index.php/senafti/article/view/361%0Ahttp://senafti.budiluhur.ac.id/index.php/senafti/article/download/361/71.

S. Suryani and M. Mustakim, “Estimasi Keberhasilan Siswa dalam Pemodelan Data Berbasis Learning Menggunakan Algoritma Support Vector Machine,” Bull. Informatics Data Sci., vol. 1, no. 2, pp. 81–88, 2022, [Online]. Available: https://ejurnal.pdsi.or.id/index.php/bids/article/view/36%0Ahttps://ejurnal.pdsi.or.id/index.php/bids/article/download/36/28.

T. A. Munandar and A. Q. Munir, “Implementasi K-Nearest Neighbor Untuk Prototype Sistem Pakar Identifikasi Dini Penyakit Jantung,” Respati, vol. 17, no. 2, p. 44, 2022, doi: 10.35842/jtir.v17i2.457.

Satrianansyah and C. Wulandari, “Application of Naive Bayes Algorithm To Predicting Student Exam Graduation Based on Web-Based Vocational School Yadika Lubuklinggau,” Pros. Appl. Innov. Eng. Sci. Res., vol. 2019, pp. 67–73, 2019, [Online]. Available: http://ejournal.ft.unsri.ac.id/index.php/AVoer/article/view/183.

Tumini and L. Damayanti, “Aplikasi Data Mining Untuk Memprediksi Kelulusan Siswa Dengan Metode Naïve Bayes Studi Kasus Smp Negeri 11 Kotabumi Utara,” Inform. SIMANTIK, vol. 3, no. 2, pp. 23–30, 2018.

R. S. Rahayu, M. A. Mukid, and T. Wuryandari, “Identifikasi faktor-faktor yang mempengaruhi terjadinya preeklampsia dengan metode CHAID,” J. Gaussian, vol. 4, no. 2000, pp. 383–392, 2015.

S. C. Wohon, D. Hatidja, and N. Nainggolan, “Penentuan Model Regresi Terbaik Dengan Menggunakan Metode Stepwise ( Studi Kasus : Impor Beras Di Sulawesi Utara ) Determining the Best Regression Model Using Stepwise Method ( Case Study : Rice Imports in North Sulawesi ),” J. Ilm. Sains, vol. 17, no. 2, p. 81, 2017.

Syilfi, D. Ispriyanti, and D. Safitri, “Analisis Regresi Linier Piecewise Dua Segmen,” J. Gaussian, vol. 1, no. 1, pp. 219–228, 2012.




DOI: https://doi.org/10.30873/simada.v6i2.3772

Refbacks

  • There are currently no refbacks.



Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data)

Diatur by: Departemen Sistem Informasi IIB Darmajaya
Diterbitkan Oleh: IIB Darmajaya
Alamat: Jl. Z.A. Pagar Alam No. 93 Gedong Meneng, Bandar Lampung Lampung
Website: jurnal.darmajaya.ac.id, E-mail: simada@darmajaya.ac.id

Flag Counter

 

 View Jurnal SIMADA StatCounter

 Creative Commons License

Jurnal SIMADA is licensed under a Creative Commons Attribution 4.0 International License.