Data Mining di Bidang Pendidikan untuk Analisa Prediksi Kinerja Mahasiswa dengan Komparasi 2 Model Klasifikasi pada STMIK Jabar

Abstract

Until now many universities that helped the government in accelerating improving the quality of education so the creation of a competitive environment.. The abundance of data contained in the College can be put to good use in accordance with the needs and processed into useful information so as to find out the relationship between the attributes of the data in it can be on the analysis and expected output in the form of student performance has related to the period of study i.e. can be categorized into appropriate or too late in the anticipated period of study. Data mining can be used for educational institutions or institutions and often called as Educational Data Mining (EDM). In the study carried out using two models of Naive Bayes Classifier i.e. algorithms and C 4.5. as for the value of the best accuracy in the Naive Bayes Classifier algorithm model (NBC) was 86.83% with ratio 80% training data, whereas in model algorithm C 4.5 was 88.10% with 90% training data ratio. Application of EDM and expected to be maximized and developed so that it can contribute to and progress in the world of education especially in data mining.

COMPARISON OF ALGORITHM BETWEEN CLASSIFICATION & REGRESSION TREES AND SUPPORT VECTOR MACHINE IN DETERMINING STUDENT ACCEPTANCE IN STATE UNIVERSITIES

“…Lely Dwi Bhekti Pratiwi, Wahyu Wibowo, Ismaini Zain dari Jurusan Statistika, FMIPA, Institut Teknologi Sepuluh Nopember (ITS), berpendapat bahwa hasil karakteristik nilai peminat yang diterima baik yang berasal dari SMA Negeri maupun SMA Swasta serta jenis kelamin laki-laki maupun perempuan mempunyai kesamaan dalam hal rata-rata nilai tertinggi dan rata-rata nilai terendah dimana ratarata nilai tertinggi adalah nilai Matematika Dasar dan rata-rata terendah adalah nilai Biologi [25]. Pengklasifikasian peminat berdasarkan status penerimaan dengan metode CART menggunakan kombinasi data learning dan data testing sebesar 85 % dan 15%.…”

Optimasi Algoritma Genetika Dalam Memprediksi Minat Baca Siswa Pada Perpustakaan SMK Negeri 1 Gantar Dengan Metode Decision Tree

“…Berikut adalah 10 atribut yang diusulkan atau digunakan pada penelitian ini yaitu jenis kelamin, kelas, jurusan, kegiatan, jenis buku, koleksi buku, kualitas buku, kenyamanan, pelayanan dan atribut prediksi hasil sebagai label target atau klasifikasi yang ditunjukkan pada tabel 2. (Raharjo & Mada, 2014), sedangkan data testing merupakan data yang belum pernah digunakan sebagai pelatihan dan berfungsi sebagai data pengujian kebenaran atau keakurasian hasil dari pelatihan (Galih, 2019). Berikut merupakan ilustrasi split validation yang ditunjukkan pada gambar 2.…”