Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JAR'S (Journal of Advanced Research in Informatics)
Hikmawansyah, R Bagus
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
ANALISIS METODE DAN ALGORITMA DALAM SISTEM PENDUKUNG KEPUTUSAN UNTUK MEMPREDIKSI KELULUSAN Arifin, Miftahul; Helmi, Fauzi; Hikmawansyah, R Bagus
Journal of Advanced Research in Informatics Vol 3 No 1 (2024): Journal of Advanced Research in Informatics
Publisher : Fakultas Teknik, Universitas Wiraraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24929/jars.v3i1.4045

Abstract

Penelitian ini bertujuan untuk menganalisis dan membandingkan berbagai algoritma yang digunakan dalam sistem pendukung keputusan (SPK) untuk memprediksi kelulusan mahasiswa. Studi ini dilakukan dengan merangkum 20 penelitian terdahulu yang membahas metode prediksi kelulusan menggunakan berbagai teknik machine learning, seperti Decision Tree (C4.5, C5.0), Random Forest, Naïve Bayes, Support Vector Machine (SVM), Artificial Neural Network (ANN), K-Nearest Neighbor (KNN), dan Logistic Regression. Setiap algoritma dievaluasi berdasarkan beberapa kriteria utama, yaitu tingkat akurasi prediksi, kompleksitas algoritma, dan indikator yang digunakan dalam penelitian sebelumnya, seperti indeks prestasi kumulatif (IPK), jumlah SKS, kehadiran, jenis kelamin, serta faktor sosial ekonomi. Hasil analisis menunjukkan bahwa Random Forest memiliki akurasi tertinggi (90-93.5%) dengan performa yang baik dalam menangani dataset besar. Artificial Neural Network (ANN) juga memberikan akurasi tinggi, tetapi memiliki kompleksitas yang lebih besar dibanding algoritma lainnya. Decision Tree (C4.5) menjadi salah satu algoritma yang sering digunakan karena kemudahan interpretasi dan efisiensi pemrosesan. Kesimpulan dari penelitian ini menunjukkan bahwa tidak ada algoritma tunggal yang selalu unggul dalam semua aspek, sehingga pemilihan algoritma harus disesuaikan dengan karakteristik dataset dan kebutuhan analisis. Kombinasi algoritma, seperti Random Forest dengan ANN, dapat menjadi solusi optimal untuk meningkatkan akurasi prediksi kelulusan mahasiswa.
Co-Authors Fauzi Helmi Miftahul Arifin