Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Nurhidayatullah, Muhammad
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
SISTEM REKOMENDASI JURUSAN KULIAH BAGI CALON MAHASISWA BARU UNIVERSITAS BSI MARGONDA FAKULTAS TEKNIK DAN INFORMATIKA MENGGUNAKAN ALGORITMA C4.5 Anugerah, Andree; Nurhidayatullah, Muhammad; Wijaya Tua Tamba, Putra; Suttan Helmy Razhevva, Muhammad; Oloan Lubis, Baginda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.12849

Abstract

Pada tingkat perguruan tinggi, individu akan belajar sesuai dengan bidang yang sesuai dengan keahliannya. Oleh karena itu, perguruan tinggi diharapkan dapat mencetak sumber daya manusia berkualitas sesuai dengan minat dan keahliannya. Kesalahan dalam memilih jurusan kuliah sering kali terjadi akibat kurangnya pemahaman terhadap pilihan jurusan yang tersedia. Oleh sebab itu, pemilihan jurusan sebaiknya dilakukan sejak dini dengan pertimbangan yang matang. Salah satu cara merekomendasikan jurusan kuliah kepada calon mahasiswa baru adalah dengan menggunakan algoritma C4.5, yang didasarkan pada data seperti nilai akademis, hasil tes, dan jurusan sekolah. Metode ini bertujuan untuk mengembangkan sistem rekomendasi jurusan kuliah bagi calon mahasiswa baru. Penelitian ini menghasilkan sistem rekomendasi yang ditujukan untuk membantu calon mahasiswa yang masih kebingungan menentukan jurusan. Berdasarkan evaluasi menggunakan confusion matrix, algoritma C4.5 menunjukkan tingkat akurasi sebesar 12%, yang mengindikasikan bahwa sistem belum mampu memberikan rekomendasi yang akurat. Hal ini disebabkan oleh kurang relevannya data dan variabel yang digunakan. Namun, jika data dan variabel yang diterapkan lebih sesuai, sistem diprediksi mampu memberikan rekomendasi yang lebih baik.
Co-Authors Anugerah, Andree Baginda Oloan Lubis Suttan Helmy Razhevva, Muhammad Wijaya Tua Tamba, Putra