Algoritma C45 Dalam Memprediksi Minat Calon Mahasiswa

Situmorang, Zakarias; Mandasari, Sartika; Franciska, Yuni; Andriyani, Karina; Ramadhan, Puji Sari

doi:10.54314/jssr.v5i1.809

Cited by 3 publications

(3 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Data yang didapat terdiri dari 6 atribut yaitu Nim, Nama Mahasiswa, tanggal, Semester, Mata kuliah, Total Sks dari atribut-atribut tersebut hanya 2 yang digunakan untuk diproses dalam sistem yaitu nim dan kode mata kuliah. data transaksi yang digunakan untuk data latih berjumlah 48 sedangkan 50 digunakan untuk data uji selain data transaksi penjualan terdapat data sekunder yang digunakan untuk membantu data primer agar bisa diproses (Situmorang et al 2022).…”

Section: Metode Penelitianunclassified

Prediksi Permintaan Mata Kuliah Semester Antara (Padat) Dengan Menggunakan Algoritma Fold-Growth Dan Fp-Growth

Parulian,

Doharma,

Taufik

2023

j.nanotechnol.inf.

View full text Add to dashboard Cite

The intermediate semester is the lecture period which is held during the holidays between even and odd semesters which is one of the alternatives given to students. The main purpose of predicting the demand for intermediate semester courses is to be able to help students make improvements to less than optimal grades and to be able to shorten the lecture period. All forms of preparation, both schedules and lecturers' appointments made by the higher education institution are related to requests for courses to be followed by students. Frequent Pattern-Growth (FP-Growth) is an alternative algorithm that can be used to determine the most frequent data set (frequent item set) in a data set. The Fold-growth algorithm uses the SOTrieIT data structure to extract transaction patterns. The expected results in this study are to predict the courses that will be taken by students in the solid / intermediate semester so that the leadership can make good preparations.

show abstract

Section: Metode Penelitianunclassified

Prediksi Permintaan Mata Kuliah Semester Antara (Padat) Dengan Menggunakan Algoritma Fold-Growth Dan Fp-Growth

Parulian,

Doharma,

Taufik

2023

j.nanotechnol.inf.

View full text Add to dashboard Cite

show abstract

“…Dalam Penerimaan Mahasiswa Baru (PMB), banyak calon mahasiswa ataupun orang tua mahasiswa yang mencari informasi pendaftaran di perguruan tinggi yang hendak dituju (Widyasari & Fitrani, 2021). Penyampaian informasi yang tepat dan sesuai juga sangat mempengaruhi paradigma calon mahasiswa baru untuk melakukan registrasi di perguruan tinggi yang dipilih (Situmorang et al, 2022).…”

Section: Pendahuluanunclassified

Faktor-Faktor Yang Mempengaruhi Minat Calon Mahasiswa Baru Mendaftar Pada Ftii Uhamka Menggunakan Algoritma K-Nearest Neighbor (K-Nn)

Rahman Malik,

Kamayani,

Hasan

2023

j.nanotechnol.inf.

View full text Add to dashboard Cite

In accepting new students at Prof. University. Dr. Hamka, many prospective students or parents of students are looking for registration information, this is a great opportunity for Uhamka to gain the sympathy of prospective students to register at Uhamka, especially the Faculty of Industrial and Informatics Technology. The problem in this study is that there is no data processing related to the factors that influence the interest of prospective new students to choose the Faculty of Industrial and Informatics Technology (FTII) Uhamka. The purpose of this study was to determine the factors that influence the interest of prospective new students in choosing majors at the Faculty of Industrial and Information Technology (FTII) Uhamka. The attributes used in this study were 10 attributes, namely full name, major, tuition fee, FII location with domicile, presence of friends/family, accreditation, facilities, PMB services, PMB information, and information of interest. The method that researchers use in this study is the K-Nearest Neighbor Algorithm (K-NN). From the results of testing the researchers used the K-5 fold technique and the confusion matrix obtained an average accuracy of 72.5%, which means it is good.

show abstract

“…Nilai akurasi yang didapatkan pada penelitian ini sebesar 76.1%. Penelitian yang dilakukan oleh [6] menerapkan algoritma C4.5 untuk melakukan prediksi minat calon mahasiswa pada sebuah Perguruan Tinggi. Pada penelitian ini, variabel yang digunakan meliputi jenis kelamin, minat, jurusan asal sekolah dan hobi.…”

Section: Pendahuluanunclassified

Implementasi Data Mining Untuk Mengetahui Minat Siswa Terhadap Perguruan Tinggi

Noviyanto

Fauzi

2022

jutiti

View full text Add to dashboard Cite

Perguruan Tinggi merupakan sebuah tempat belajar lebih lanjut setelah menyelesaikan pendidikan sekolah menengah atas atau sekolah menengah kejuruan. Banyaknya Perguruan Tinggi, khususnya swasta menjadikan persaingan untuk menarik minat calon mahasiswa. Hal ini membuat setiap Perguruan Tinggi berlomba dalam membuat sebuah inovasi mulai dari teknik pembelajaran, fasilitas, laboratorium dan masih banyak lagi. Oleh karena itu, dilakukan sebuah prediksi minat calon mahasiswa dengan melibatkan beberapa faktor pendorong seorang calon mahasiswa untuk memilih sebuah Perguruan Tinggi dengan maksud supaya Perguruan Tinggi lebih tepat dalam mengambil keputusan untuk proses pengembangan. Pada penelitian ini, dataset diambil melalui teknik wawancara kepada subject penelitian sebanyak 100 orang. Proses pengolahan data menggunakan aplikasi WEKA, dan validasi menggunakan teknik Cross Validation dengan K=10. Atribut yang digunakan pada penelitian ini sebanyak 7 buah atribut ditambah 1 atribut kelas. Algoritma yang diusulkan adalah Sequential Minimal Optimization yang berhasil mengklasifikasikan data dengan perolehan akurasi sebesar 0,9. Algoritma yang digunakan untuk proses komparasi mendapatkan nilai lebih baik sebesar 0,92 menggunakan Decision Tree.

show abstract

Algoritma C45 Dalam Memprediksi Minat Calon Mahasiswa

Cited by 3 publications

References 0 publications

Prediksi Permintaan Mata Kuliah Semester Antara (Padat) Dengan Menggunakan Algoritma Fold-Growth Dan Fp-Growth

Prediksi Permintaan Mata Kuliah Semester Antara (Padat) Dengan Menggunakan Algoritma Fold-Growth Dan Fp-Growth

Faktor-Faktor Yang Mempengaruhi Minat Calon Mahasiswa Baru Mendaftar Pada Ftii Uhamka Menggunakan Algoritma K-Nearest Neighbor (K-Nn)

Implementasi Data Mining Untuk Mengetahui Minat Siswa Terhadap Perguruan Tinggi

Contact Info

Product

Resources

About