Pratama, Muhammad Muza Al Fitra (2019) Algoritma C4.5 untuk prediksi penerimaan SNMPTN berdasarkan nilai rapor / Muhammad Muza Al Fitra Pratama. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
RINGKASAN Pratama Muhammad Muza Al Fitra. 2018.Algoritma C45 Untuk Prediksi Penerimaan SNMPTN Berdasarkan Nilai Rapor Program studi S1 Teknik Informatika Jurusan Elektro Fakultas Teknik Universitas Negeri Malang Pembimbing Harits Ar Rosyid S.T. MT. Ph.D. dan Muhammad Iqbal Akbar S.ST. M.MT Keywords Nilai Rapor C4.5 SMOTE Klasifikasi SNMPTN. Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) merupakan salah satu jalur seleksi penerimaan mahasiswa untuk memasuki perguruan tinggi negeri (PTN) diindonesia. Seleksi SNMPTN menggunakan nilai rapor untuk memasuki perguruan tinggi dengan jalur ini jadi dengan memprediksi jalur tersebut nantinya akan membantu siswa dalam menentukan keputusan ketika ingin mendaftar SNMPTN. Nilai rapor siswa yang tinggi dan stabil bisa meningkatkan kemungkinan diterima di perguruan tinggi pada jalur SNMPTN. Penelitian ini menguji kinerja salah satu algortima data mining dalam hal memprediksi diterima atau tidaknya seorang siswa dalam SNMPTN. Dengan menggunakan metode Decision Tree C4.5 dalam implementasi ini diharapkan dapat memprediksi kesempatan diterima di PTN yang diinginkan. Data yang di dapatkan ini menggunakan data dari www.halokampus.com. Penelitian ini menghasilkan keluaran yang akan berupa prediksi apakah siswa memiliki kesempatan diterima SNMPTN atau tidak. Pada penelitian sebelumnya oleh silmi eka putri. Dengan membuat system pendukung keputusan dengan menggunakan metode analytic hierarchy process (AHP) di mana sistem tersebut dapat menganalisa kriteria pemilihan program studi yang dapat membantu calon mahasiswa dalam memilih program studi pada jalur SNMPTN. Pada penelitian ini menggunakan algoritma C4.5. Algoritma C4.5 di sebut juga dengan pohon keputusan (decision tree) merupakan salah satu metode klasifikasi yang menggunakan representasi struktur pohon. Kelebihan Pohon keputusan adalah dengan daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global dapat diubah menjadi lebih simple dan spesifik. Kelemahan data yang tidak seimbang dan membuat pengkalsifikasian menjadi jelek maka ditutupi dengan menggunakan preprocessing yang digunakan untuk menghilangkan imbalance class. Salah satu metode preprocessing yaitu metode Random Over-Sampling karena metode Random Over-Sampling ini dapat meningkatkan kemungkinan overfitting karena salinan yang dibuat sama persis yang berasal dari instance kelas minoritas. Masalah overfitting tersebut dapat diselesaikan menggunakan Teknik Synthetic Minority Over-Sampling Technique (SMOTE) membuat contoh dari kelas minoritas sintesis yang memanfaatkan ruang fitur dari pada ruang data.Dengan menerapkan cara tersebut nantinya pemilihan titik acak disepanjang segmen garis antara dua sample akan menjadi sintesis baru dan menurunkan resiko overfitting. Hasil performa metode C4.5 dengan SMOTE sangat baik untuk prediksi penerimaan SNMPTN berdasarkan nilai rapor. C4.5 memiliki nilia akurasi 95 22% precision 95 22% recall 95 20%.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | Users 2 not found. |
| Date Deposited: | 12 Dec 2019 04:29 |
| Last Modified: | 09 Sep 2019 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/99059 |
Actions (login required)
 |
View Item |