<![CDATA[Penentuan konsentrasi akan membantu mahasiswa lebih fokus terhadap apa yang diminatidan disesuaikan dengan nilai akademis yang dimilikinya. Banyak mahasiswa yang masih belummengenal minat dan kemampuan yang dimilikinya. Hal tersebut membuat mahasiswa cenderungmemilih dan menjalani konsentrasi yang tidak sesuai dengan minat dan kemampuannya.Perbandingan kinerja algoritma C4.5 dan naive bayes bertujuan untuk mengukur tingkat akurasiterbaik masing-masing algoritma untuk diterapkan dalam kasus pemilihan konsentrasi keahlianmahasiswa.Penelitian ini mengambil sampel data alumni di Program Studi Informatika UniversitasMuhammadiyah Surakarta. Variabel yang digunakan dalam penelitian ini antara lain: jurusansekolah asal mahasiswa, gender, nilai akademik dari semester satu sampai dengan semester enam,konsentrasi keahlian yang dipilih serta lama studi yang ditempuh. Forward selection adalah salahsatu metode seleksi fitur yang dapat digunakan untuk mengurangi atribut yang kurang relevan padadataset. Penggunaan metode forward selection mampu menghasilkan tingkat akurasi yang lebihbaik dibandingkan dengan tanpa penambahan seleksi fitur yang hanya mencapai tingkat akurasipada algoritma C4.5 dari sebelumnya sebesar 84,43% meningkat menjadi 84,98%, sedangkan padaalgoritma naive bayes sebelumnya sebesar 78,47% meningkat menjadi 82,01%.Hasil dari komparasi algoritma klasifikasi antara decision tree C4.5, dan naive bayes yangdigabungkan dengan metode seleksi fitur forward selection untuk kasus ketepatan pemilihankonsentrasi mahasiswa didapatkan tingkat akurasi tertinggi dengan algoritma terpilih C4.5 dengannilai akurasi sebesar 84,98%.]]>
Copyrights © 2016
