Prediksi Kelulusan Mahasiswa Menggunakan Perbandingan Algoritma C5.0 Dengan Regression Linear

Abstract

Technological advances supported by human knowledge have a very good influence on data and information storage technology, including in predicting student graduation (Graduation Prediction) on time, by applying several existing algorithms. In this study, researchers used the C5.0 Algorithm and Linear Regression. The concept of the research is to compare two algorithms, namely C5.0 and Linear Regression to the case of graduating students on time. Based on the length of study, students who graduated correctly amounted to 651 (91%) with a male gender of 427 students and a female gender of 224 students while those who did not pass (late) correctly amounted to 64 (9%) with a male gender totaling 53 students and female gender totaling 11 students from 2017-2020. Comparison results The R2 score from the C5.0 algorithm reached 96.85% (training) and 93.72% (testing) while the R2 score from the Linear Regression reached 33.31% (training) and 40.30% (testing).

Penerapan Algoritma Decision Tree C5.0 Untuk Memprediksi Tingkat Kematian Pasien Penyakit Gagal Jantung

“…Adapun tujuan dari penelitian ini adalah mengetahui nilai akurasi yang dihasilkan oleh Algoritma C5.0 dalam memprediksi tingkat kematian pasien yang mengalami gagal jantung. Dalam hal ini algoritma C5.0 dipilih karena nilai akurasinya yang cukup tinggi yaitu sekitar 93,75% bila dibandingkan dengan Naïve Bayes dalam memprediksi banjir di Indonesia [3], 86,67% bila dibandingkan dengan KNN dalam memprediksi kredit macet pada koperasi [4], dan 96,85% bila dibandingkan dengan regresi linier dalam memprediksi kelulusan mahasiswa [5]. Selain itu penulis memilih algoritma C5.0 karena menghasilkan informasi pada rule berdasarkan node yang dihasilkan, dimana pemilihan node ini akan didasarkan pada nilai gain dan entropynya [6].…”