SISTEM PREDIKSI MASA STUDI DAN PREDIKAT KELULUSAN MAHASISWA MENGGUNAKAN DECISION TREE ALGORITMA C4.5 DAN NAÏVE BAYES CLASSIFIER

Abstract

Salah satu tantangan terbesar yang dihadapi oleh lembaga pendidikan tinggi adalah meningkatkan kualitas sistem pendidikan. Permasalahan ini dapat diatasi dengan mengelola data mahasiswa pada perguruan tinggi untuk menemukan pola dan pengetahuan tersembunyi dengan membangun sebuah sistem informasi. Penelitian ini bertujuan untuk memprediksi masa studi dan predikat lulusan mahasiswa menggunakan kombinasi dari metode decision tree algoritma C4.5 dan naive bayes classifier. Data yang digunakan dalam penelitian ini adalah data mahasiswa program studi Ilmu Komunikasi di Universitas Bengkulu angkatan 2011-2013 yang berjumlah 215 data. Atribut yang digunakan adalah indeks prestasi 2 semester awal, jenis ujian masuk, asal sekolah, asal kota, jurusan sekolah, jenis kelamin, beasiswa dan status. Pada penelitian ini ditemukan bahwa kombinasi dari decision tree algoritma C4.5 dan naïve bayes classifier memberikan hasil akurasi sebesar 93.02% untuk masa studi dan nilai akurasi sebesar 76.74% untuk predikat kelulusan. Berdasarkan hasil dari penelitian yang dilakukan, sistem ini dapat digunakan oleh pihak program studi untuk memprediksi masa studi dan predikat kelulusan mahasiswa sehingga dapat mengevaluasi kinerja dari mahasiswa. Kata kunci : data mining, decision tree, algoritma C4.5, naïve bayes classifier, kinerja mahasiswa One of the biggest challenges that faces by institutions of the higher education is improve the quality of the educational system. This problem can be solved by managing student data at institutions of higher education to discover hidden patterns and knowledge by designing an information system. This study aims to predict the study period and the predicate of graduate students using combination of the C4.5 algorithm and the naive bayes classifier. The data used in this study is the data of students of the Communication Studies program at the University of Bengkulu for the 2011-2013, amounting to 215 data.The atributtes used are the grade point average (GPA) of early two semesters, type of entrance examination, origin of the high school, origin of the city, major in high school, gender, scholarship and relationship status. In this study, it was found that the combination of decision tree C4.5 algorithm and naïve bayes classifier gives an accuracy of 93.02% for the study period and the 76.74% for the predicate of graduation. Based on the results of the research, this system can be used by the study program to predict the study period and predicate of graduation so that can evaluate the performance of the students. Keywords : data mining, decision tree, C4.5 algorithm, naïve bayes classifier, student performace.