PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA C.45 (Studi Kasus: Sekolah Tinggi Ilmu Administrasi Trinitas Ambon)

Authors

  • Daniel Hartono Renyut Universitas Handayani Makassar, STIA Trinitas Ambon
  • Yuyun Wabula Universitas Handayani Makassar
  • Ferdinand Ferdinand STIA Trinitas Ambon

DOI:

https://doi.org/10.51876/simtek.v7i2.137

Abstract

Kelulusan mahasiswa merupakan salah satu tolak ukur dalam menjadikan pendidikan lanjutan sebagai strategi dewan. Saat ini sudah biasa dilacak bahwa jumlah mahasiswa baru di suatu perguruan tinggi tidak sebanding dengan jumlah lulusan setiap tahunnya sehingga peneltian ini mencoba membuat sistem yang dapat memprediksi kelulusan mahasiswa. Tujuan dari penelitian ini Untuk mengimplementasikan algoritma C.45 dalam memprediksi Kelulusan Mahasiswa dan Untuk mengetahui factor-faktor yang mempengaruhi dalam kelulusan mahasiswa tepat waktu dan tidak tepat waktu. Algoritma yang digunakan dalam penelitian ini adalah algoritma c.45 dimana Algoritma C4.5 digunakan untuk membentuk pohon keputusan yang dapat digunakan untuk membentuk pohon keputusan. Hasil dari penelitian ini adalah Mahasiswa dapat di prediksi dan dilakukan pengujian dengan menerapkan teknik data mining untuk melakukan prediksi berdasarkan data training dengan attribute SKS dan Jumlah IPK merupakan faktor yang mempengaruhi ketepatan waktu lulus dan Hasil evaluasi yang dilakukan dengan melakukan pengujian Confusion Matrix dengan data uji sebanyak 404 data mahasiswa dengan pembagian data kelulusan mahasiswa yang di prediksi lulus dengan tepat waktu sebanyak 368 sedangkan mahasiswa yang tidak lulus dengan tepat waktu terdapat 36 data mahasiswa sehingga dengan melakukan pengujian confusion matrix memperoleh hasil akurasi sebesar 85%.

Additional Files

Published

02-10-2022

How to Cite

Renyut, D. H., Wabula, Y., & Ferdinand, F. (2022). PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA C.45 (Studi Kasus: Sekolah Tinggi Ilmu Administrasi Trinitas Ambon). Simtek : Jurnal Sistem Informasi Dan Teknik Komputer, 7(2), 80–86. https://doi.org/10.51876/simtek.v7i2.137
Abstract View: 348