Decision Tree C4.5 dengan Teknik Information Gain Untuk Klasifikasi Pemilihan Program Studi Tingkat Lanjut

Yogi Pratama, Teddy Decision Tree C4.5 dengan Teknik Information Gain Untuk Klasifikasi Pemilihan Program Studi Tingkat Lanjut. Journal of Information System Research (JOSH).

Text 5643-Article_Text-21506-1-10-20240724.pdf Download (1MB)

Abstract

Tujuan penelitian ini adalah Untuk manganalisis penerapan fitur yang informatif, mengklasifikasikan data berdasarkan fitur akademis, minat dan bakat dengan Teknik Information menggunakan Decision Tree C4.5. tujuan penelitian ini adalah melakukan riset terhadap siswa dalam menentukan pemilihan program studi untuk melanjutkan pendidikan ke perguruan tinggi, dikarenakan Dalam memilih program studi untuk melanjutkan pendidikan ke perguruan tinggi, siswa sering kali mengalami kesulitan dalam menentukan pilihan program studi yang akan di pilihnnya. Penelitin mengumpulkan 140 data siswa, dengan mendistribusikan kuesioner kepada calon mahasiswa baru dan meminta nilai akademik siswa terhadap pihak sekolah, penulis memiliki 140 data yang akan digunakan dalam penelitian ini. Selanjutnya, dari 140 data tersebut, peneliti akan membaginya menjadi dua bagian, yaitu data training sebanyak 118 data dan data testing sebanyak 22 data untuk memenuhi kebutuhan dalam merancang model. Berdasarkan hasil penelitian yang dilakukan dengan menggunakan pendekatan Supervised Learning Decision Tree C4.5 dan menerapkan teknik Information Gain untuk klasifikasi pemilihan program studi tingkat lanjut, diperoleh akurasi sebesar 86%. Tingkat keberhasilan ini menunjukkan bahwa metode tersebut efektif dalam mengidentifikasi dan mengklasifikasikan program studi tingkat lanjut. Hal ini mengindikasikan bahwa penggunaan Decision Tree C4.5 yang memanfaatkan teknik Information Gain memiliki potensi besar sebagai model yang dapat membantu siswa dalam memilih program studi tingkat lanjut mereka dengan tingkat keakuratan yang memuaskan. Dengan hasil akurasi yang tinggi, metode ini dapat diandalkan untuk memberikan prediksi yang akurat dalam konteks pemilihan program studi. Kata Kunci: Information Gain; Decision Tree C4.5; Klasifikasi

Jenis Item:	Artikel
Subjects:	000 Generalities > 005 Computer programming, programs, data
Divisions:	Fakultas Sains dan Teknologi > Ilmu Komputer
Pengguna yang mendeposit:	Mrs Siti Masitah
Date Deposited:	15 Jan 2025 07:41
Last Modified:	15 Jan 2025 07:41
URI:	http://repository.uinsu.ac.id/id/eprint/23269

Actions (login required)

View Item