EVALUASI METODE DATA MINING DECESION TREE C4.5 DAN NAÏVE BAYES DALAM MEMPREDIKSI PEMILIHAN JURUSAN SISWA (STUDI KASUS SMA MASTER INDONESIA)
Abstract
Penentuan Pemilihan jurusan akan membantu Siswa lebih fokus terhadap apa yang diminati dan disesuaikan dengan nilai akademis yang dimilikinya. Banyak siswa yang masih belum mengenal minat dan kemampuan yang dimilikinya. Hal tersebut membuat siswa cenderung memilih dan menjalani konsentrasi yang tidak sesuai dengan minat dan kemampuannya. Perbandingan kinerja Decision tree dan naive bayes bertujuan untuk mengukur tingkat akurasi terbaik masing-masing. Dan Hasil dari komparasi Evaluasi pada metode antara decision tree C4.5, dan naive bayes yang digabungkan dengan metode seleksi fitur forward selection untuk kasus ketepatan pemilihan jurusan siswa didapatkan tingkat akurasi tertinggi dengan algoritma terpilih C4.5 dengan nilai akurasi sebesar 90,35%.
References
Budiastuti, D., & Bandur, A. (2018). Validitas dan reliabilitas penelitian. Jakarta: Mitra Wacana Media.
Krisbiyanto, A., & Nadhifah, I. (2022). Pengaruh Lokasi dan Citra Sekolah Terhadap Keputusan Siswa Memilih Sekolah di Sekolah Menengah Atas Negeri. Academicus: Journal of Teaching and Learning, 1(1), 20–31.
Narulita, S., Oktaga, A. T., & Susanti, I. (2021). Pengujian Akurasi Model Prediksi Menggunakan Metode Data Mining Classification Decision Tree Algoritma C4. 5 untuk Penentuan Peminatan Peserta Didik. Media Aplikom, 13(2), 65–79.
Rufaidah, A. (2015). Pengaruh intelegensi dan minat siswa terhadap putusan pemilihan jurusan. Faktor: Jurnal Ilmiah Kependidikan, 2(2).
Suhada, K., Elanda, A., & Aziz, A. (2021). Klasifikasi Predikat Tingkat Kelulusan Mahasiswa Program Studi Teknik Informatika dengan Menggunakan Algoritma C4. 5 (Studi Kasus: STMIK Rosma Karawang). Dirgamaya: Jurnal Manajemen Dan Sistem Informasi, 1(2), 14–27.