Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal CSRID (Computer Science Research and Its Development Journal)
Kusrini, Kusrini
STMIK AMIKOM Yogyakarta
Computer Science & IT

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

Found 1 Documents
Search

 1 
Klasifikasi Penerimaan Mahasiswa Baru Menggunakan Algortima C4.5 Dan Adaboost (Studi Kasus : STMIK XYZ) Agustin, Yoga Handoko; Kusrini, Kusrini; Luthfi, Emha Taufiq
CSRID (Computer Science Research and Its Development Journal) Vol 9, No 1 (2017): CSRID FEBRUARI 2017
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (496.22 KB) | DOI: 10.22303/csrid.9.1.2017.1-11

Abstract

Setiap  perguruan  tinggi  ingin mendapatkan mahasiswa yang memiliki  kualitas yang  baik  serta  dengan kwantitas yang sesuai  dengan  kuota  yang  di  tetapkan  dari perguruan  tinggi  tersebut.Kualitas calon mahasiswa baru dapat diketahui secara dini dengan mengenali pola dari karakteristik mahasiswa yang sudah ada di tahun-tahun sebelumnya dan memperhatikan lama masa studi.Algoritma C4.5 merupakan model untuk membangun sebuah pohon keputusan, algortima ini  ditujukan  untuk supervised learning: memberikan nilai atribut pada dataset yang digambarkan oleh  koleksi  atribut  dan termasuk salah  satu dari  serangkaian  kelas  yang  saling berhubungan. Untuk meningkatkan ketelitian dalam proses klasifikasi dan prediksi dengan caramembangkitkan kombinasi dari suatu model, maka digunakan pemodelan boosting yaitu Adaboost.Ekperimen dilakukan terhadap 546 dataset menggunakan Algortima C4.5 berbasis adaboost untuk menghasilkan akurasi. Dari eksperimen yang dilakukan menghasilkan nilai akurasi yang sama antara Algoritma C4.5 dan Algoritma C4.5 berbasis Adaboost yaitu sebesar Precision 77.33%, Accuracy 90.28%, Recall 45.54% akan tetapi terjadi perbedaan pada nilai AUC untuk Algoritma C4.5 sebesar 0.683 sedangkan untuk Algoritma C4.5 berbasi Adaboost sebesar 0,717. Pola tersebut dapat membantu untuk mengambil keputusan penerimaan mahasiswa baru yang dapat lulus tepat waktu dan mahasiswa yang lulus terlambat dapat terprediksi lebih awal.
Co-Authors Luthfi, Emha Taufiq Yoga Handoko Agustin