Open AccessDATA MINING DENGAN 2 (DUA) MODEL KLASIFIKASI UNTUK PREDIKSI KINERJA MAHASISWA
Author(s) -
Eka Sabna
Publication year - 2021
Publication title -
jurnal ilmu komputer (computer science journal)/jurnal ilmu komputer: computer science journal
Language(s) - Spanish
Resource type - Journals
eISSN - 2579-3918
pISSN - 2302-710X
DOI - 10.33060/jik/2021/vol10.iss2.229
Subject(s) - computer science , naive bayes classifier , artificial intelligence , support vector machine
Berlimpahnya data mahasiswa pada perguruan tinggi dapat digunakan secara maksimal sesuai dengan kebutuhan dan mampu diolah menjadi informasi yang bermanfaat sehingga dapat mengetahui hubungan antara atribut data yang di dalamnya dapat dianalisis dan diharapkan memiliki keluaran berupa kinerja mahasiswa yang berhubungan Hasil Belajar (IPK). Metode yang digunakan mengunakan metode CRISP-DM yang terdiri dari 6 tahapan. Ada 2 (dua) metode klasifikasi yang digunakan yaitu Naïve Bayes Classifier dan Decision Tree Algoritma C4.5 untuk dilakukan perbandingan algoritma mana yang lebih baik untuk memprediksi kinerja mahasiswa. Hasil dari implementasi data mining dengan menggunakan software Rapidminer, dilakukan terhadap dua model algoritma klasifikasi yaitu C4.5 dan NBC kemudian memasukan dataset sebagai bahan uji untuk kedua model tersebut yang di dalamnya terdapat data latih dan data uji. Berdasarkan nilai akurasi terbaik pada model algoritma Naive Bayes Classifier (NBC) adalah 80% sedangkan berdasarkan nilai akurasi terbaik pada model algoritma C4.5 adalah 60 %.
Keywords: C4.5, NBC, IPK, kinerja, mahasiswa