Article Per Year (5 Year)
p-Index From 2020 - 2025
2.133
P-Index
This Author published in this journals
All Journal Jurnal Online Mahasiswa (JOM) Bidang Matematika dan Ilmu Pengetahuan Alam Journal of Intelligent Systems Ensiklopedia of Journal Jurnal Riset Informatika Jurnal Peduli Masyarakat Jurnal Altifani Penelitian dan Pengabdian kepada Masyarakat Melek IT: Information Technology Journal Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Journal of Accounting Information System Journal of Computer Science Contributions (Jucosco) Research Journal of Social Economics Empowerment (ROSEE)
Indah Suryani
STMIK Nusa Mandiri
Religion Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Melek IT: Information Technology Journal

 1 
PREDIKSI PENERIMAAN SNMPTN MENGGUNAKAN ALGORITMA C4.5 DAN NAIVE BAYES Purnamasari, Indah; Suryani, Indah
Melek IT : Information Technology Journal Vol. 9 No. 2 (2023): Melek IT: Information Technology Journal
Publisher : Informatics Department-Universitas Wijaya Kusuma Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30742/melekitjournal.v9i2.284

Abstract

Pendidikan mempunyai peranan penting bagi kehidupan manusia. Sekolah sebagai tempat mengenyam pendidikan mengajarkan berbagai disiplin ilmu dengan tujuan agar para peserta didik dapat menjadi manusia yang unggul. Secara umum masyarakat di Indonesia ingin putra putrinya dapat menempuh pendidikan terbaik di Perguruan Tinggi Negeri (PTN). Banyak jalur yang bisa dilalui menuju PTN, salah satunya adalah jalur Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) yang merupakan jalur masuk PTN tanpa tes atau seleksi nilai raport. Akan tetapi kuota penerimaan PTN melalui jalur SNMPTN hanya minimal 20% dan tidak dapat ditentukan passing grade setiap PTN sehingga kemungkinan untuk bisa masuk PTN melalui jalur SNMPTN tidak diketahui. Oleh karena itu untuk dapat memprediksi siswa siswi yang dapat diterima di PTN melalui jalur SNMPTN maka dilakukan prediksi penerimaan SNMPTN menggunakan data mining klasifikasi dengan dua algoritma yaitu C4.5 dan Naive Bayes. Tujuannya adalah dengan siswa mengetahui kemungkinan diterima pada PTN melalui jalur SNMPTN maka diharapkan semakin banyak siswa yang dapat diterima PTN melalui jalur SNMPTN tersebut. Penelitian ini menunjukkan prediksi penerimaan PTN melalui jalur SNMPTN menggunakan data mining klasifikasi dengan algoritma C4.5 memberikan hasil akurasi yang jauh lebih tinggi yaitu sebesar 85,09 % dan nilai AUC 0,873 sedangkan algoritma Naive Bayes memberikan hasil akurasi 63.01% dan nilai AUC 0,665.
Co-Authors ', Mashadi A Gunawan Ade Christian, Ade Al Adzani, Muhammad Raulfie Anggraeini, Sita Arsa Pratama, Rakha Aslina, Aslina Aslina, Aslina Deppagoga, Wilson Benedict Endriana, E. Fina Ericka Darmawan Fitri Latifah, Fitri Hani Harafani, Hani Ibnu Rusdi Indah Purnamasari Lukman Hakim M. Natsir Maeza, Al Thorik Marsyah, Ulfy Muhammad Faisal Muhammad Ismail Muhammad Ridwan Nurkhayati, Sri Nurwahyuni Perdana, Muhammad Rizky Priatna, Nico Purnomo, Azis Rahma, Amelia Rahman, Muhammad Rizqul Mubarok, Salman Romi Satria Wahono Sandra Dewi Saraswati Supriyadi Supriyadi Suryani, Ulfa Tri Wahyono, Tri Ummu Radiyah, Ummu Verra Sofica Yazia, Velga