p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Tekno Kompak
Hendriawan, Tri
Unknown Affiliation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Kelayakan Penurunan UKT Pada Mahasiswa dengan Menggunakan Metode Decision Tree Nurizati, Zahrani; hidayat, Arif; Vernanda, Dwi; Hendriawan, Tri
Jurnal Tekno Kompak Vol 18, No 1 (2024): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i1.3419

Abstract

Abstrak− Indonesia mengalami peningkatan permintaan akan pendidikan tinggi, yang diiringi oleh tantangan terkait keterjangkauan pendidikan. Penelitian ini mengkaji kelayakan penurunan biaya kuliah bagi mahasiswa melalui penerapan metode Decision Tree. Penelitian ini berfokus pada penilaian faktor-faktor yang memengaruhi kelayakan mahasiswa untuk mendapatkan penurunan biaya kuliah, yang pada akhirnya akan meningkatkan aksesibilitas pendidikan tinggi. Metode Decision Tree digunakan sebagai alat analisis yang kuat untuk memodelkan dan menganalisis proses pengambilan keputusan yang kompleks dalam menentukan kelayakan penurunan Uang Kuliah Tunggal (UKT). Dataset yang digunakan untuk analisis melibatkan berbagai faktor sosio-ekonomi, indikator kinerja akademis, dan informasi demografis mahasiswa. Melalui pembuatan model Decision Tree, penelitian ini bertujuan untuk mengidentifikasi kriteria utama yang secara signifikan memengaruhi keputusan untuk menurunkan biaya kuliah. Temuan analisis mengungkapkan wawasan penting tentang faktor-faktor yang memengaruhi kelayakan penurunan UKT. Model Decision Tree memberikan hierarki variabel yang jelas, memungkinkan para pemangku kepentingan untuk memprioritaskan dan fokus pada faktor-faktor yang paling berpengaruh. Pendekatan ini membantu dalam pengambilan keputusan yang terinformasi mengenai penurunan biaya kuliah, memastikan manfaatnya ditujukan kepada mahasiswa yang benar-benar membutuhkan bantuan keuangan. Penelitian ini tidak hanya berkontribusi pada diskursus akademis mengenai proses pengambilan keputusan di lembaga pendidikan, tetapi juga memberikan implikasi praktis bagi pembuat kebijakan, universitas, dan mahasiswa. Dengan memanfaatkan metode Decision Tree, institusi dapat menerapkan sistem yang adil dan transparan untuk menentukan kelayakan penurunan biaya kuliah, meningkatkan inklusivitas, dan mengatasi disparitas sosio-ekonomi dalam mengakses pendidikan tinggi. Sebagai kesimpulan, penelitian ini menyajikan analisis komprehensif tentang kelayakan penurunan biaya kuliah bagi mahasiswa di Indonesia. Metode Decision Tree terbukti menjadi alat yang efektif dalam memahami proses pengambilan keputusan yang rumit dan memfasilitasi pengembangan pendekatan yang terarah dan adil untuk meringankan beban keuangan mahasiswa, sehingga meningkatkan aksesibilitas dan keterjangkauan pendidikan tinggi. Kata Kunci: Biaya Kuliah, Decision Tree, Pohon Keputusan, Uang Kuliah Tunggal (UKT)
Penerapan Metode Klasifikasi Decision Tree dalam Prediksi Kanker Paru-Paru Menggunakan Algoritma C4.5 Rofiani, Riska; Oktaviani, Luluk; Vernanda, Dwi; Hendriawan, Tri
Jurnal Tekno Kompak Vol 18, No 1 (2024): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i1.3525

Abstract

Abstrak− Penelitian ini bertujuan untuk memprediksi kanker paru-paru menggunakan teknik Data Mining dengan algoritma Decision Tree, terutama algoritma C4.5. Dataset yang digunakan merupakan kumpulan data dari Kaggle yang mencakup atribut seperti usia, jenis kelamin, kebiasaan merokok, konsumsi alkohol, aktivitas, dan faktor lainnya yang diduga berperan dalam risiko terkena kanker paru-paru. Hasil klasifikasi dari model yang dibangun menunjukkan tingkat akurasi yang tinggi dalam memprediksi kemungkinan seseorang terkena kanker paru-paru. Analisis mendalam terhadap model mengindikasikan bahwa kebiasaan merokok adalah faktor dominan yang sangat memengaruhi prediksi penyakit ini. Faktor usia juga memainkan peran penting dalam penentuan risiko terkena kanker paru-paru, di mana individu dengan usia tertentu cenderung memiliki risiko lebih tinggi. Model klasifikasi yang dikembangkan dalam penelitian ini telah memberikan hasil yang konsisten dan dapat diandalkan dalam mengidentifikasi risiko kanker paru-paru. Keberhasilan model ini dalam memprediksi dengan tingkat akurasi yang tinggi menunjukkan potensi besar untuk mendeteksi dini penyakit ini. Penekanan yang besar pada kebiasaan merokok sebagai faktor risiko utama kanker paru-paru disorot dalam hasil penelitian ini. Model berhasil menggambarkan bahwa individu yang memiliki kebiasaan merokok memiliki kemungkinan lebih tinggi terkena kanker paru-paru daripada individu yang tidak merokok. Diharapkan model prediksi ini dapat digunakan sebagai alat penting dalam mengidentifikasi individu dengan risiko tinggi terkena kanker paru-paru secara dini. Dengan demikian, perawatan yang tepat dapat diberikan pada tahap awal penyakit, meningkatkan peluang kesembuhan dan memperbaiki prognosis. Namun, penelitian ini juga menunjukkan bahwa ada beberapa atribut lain yang mungkin memiliki pengaruh yang signifikan dalam risiko terkena kanker paru-paru. Oleh karena itu, penelitian lebih lanjut diperlukan untuk menggali lebih dalam atribut-atribut lain yang berkontribusi terhadap prediksi penyakit ini secara lebih komprehensif. Hasil klasifikasi yang kuat dari model ini menunjukkan bahwa analisis data menggunakan teknik Data Mining dan algoritma C4.5 dapat menjadi solusi efektif dalam deteksi dini dan pencegahan penyakit kanker paru-paru. Model ini dapat memberikan kontribusi yang signifikan dalam upaya penyelamatan nyawa dan perbaikan kualitas hidup bagi individu yang berisiko terkena penyakit ini. Kata Kunci: Kanker Paru-Paru, Prediksi, Data Mining, Algoritma C4.5, Pohon Keputusan.