Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi
Dhaevita Amartika
Universitas Trunodjoyo Madura
Computer Science & IT Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Algoritme Decision Tree untuk Proses Seleksi Calon Anggota Unit Kegiatan Mahasiswa Creative Computer Club Kristivera Sibagariang; Dhaevita Amartika; Nurani Anisa Putri; Laili Cahyani
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 3 No. 4 (2026): SINTA: JULI (special issue Machine Learning)
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v3i3.278

Abstract

Melakukan proses seleksi yang terbuka, jujur, dan adil merupakan hal yang sangat penting dalam memilih anggota baru di organisasi kemahasiswaan. Karena prosedur penerimaan di Unit Kegiatan Mahasiswa (UKM) Creative Computer Club (Triple C) sampai saat ini masih menggunakan cara yang tradisional dan mudah dipengaruhi oleh penilaian pribadi, penelitian ini menawarkan metode klasifikasi yang menggunakan data nyata sebagai alternatifnya. Penilaian terhadap hasil kelulusan calon pengurus UKM Triple C angkatan 2024 dilakukan dengan menggunakan algoritma Decision Tree. Dataset yang digunakan terdiri dari 146 data pendaftar, di mana komponen Nilai Tugas, Nilai Organisasi, dan Total Nilai berperan sebagai variabel prediktor, sedangkan Status Kelulusan berfungsi sebagai variabel target. Model prediktif dibuat menggunakan algoritma Decision Tree Classifier dengan Gini Index sebagai kriteria pemisahan data. Temuan penelitian menunjukkan bahwa atribut Total Nilai berperan paling penting dalam membentuk pohon keputusan dan menghasilkan aturan klasifikasi yang mudah dipahami. Berdasarkan hasil evaluasi menggunakan confusion matrix, model menunjukkan performa yang sangat baik dengan tingkat akurasi rata-rata mencapai 99,33% yang diperoleh melalui metode 10-Fold Cross Validation. Hasil tersebut menunjukkan bahwa algoritma Decision Tree mampu mengklasifikasikan kelulusan calon anggota secara akurat. Oleh karena itu, penggunaan algoritma Decision Tree layak direkomendasikan sebagai sistem pendukung keputusan yang objektif dan efisien dalam proses seleksi anggota organisasi.
Co-Authors Kristivera Sibagariang Laili Cahyani Nurani Anisa Putri