<![CDATA[Perguruan tinggi adalah lembaga yang menyelenggarakan pendidikan akademik untuk mahasiswa dengan harapan dapat memberikan pendidikan berkualitas. Salah satu keberhasilan pihak perguruan tinggi dilihat dari banyaknya lulusan tepat waktu yang dihasilkan. Oleh karena itu, banyak lembaga pendidikan yang memberikan perhatian khusus terhadap kelulusan tepat waktu mahasiswa. Penelitian ini bertujuan untuk menerapkan algoritma C4.5 pada decision tree untuk memprediksi kelulusan mahasiswa Fasilkom Unsika. Data yang digunakan didapatkan melalui arsip tata usaha Fasilkom Unsika dan kuisioner google form yang meliputi data lulus tepat waktu, gender, asal sekolah, jalur masuk, pernah mengikuti organisasi, kuliah sambil bekerja dan pernah mengikuti sertifikasi. Penelitian ini mengimplementasikan proses data mining menggunakan tahapan tahapan dari KDD dengan menggunakan variasi 3 skenario perbandingan rasio data training dan data testing 90:10, 80:20, dan 70:30. Penelitian ini juga akan menggunakan postprune dengan cost complexity untuk memastikan bahwa hasil analisis yang diperoleh adalah yang paling optimal. Hasil pruning decision tree dari penelitian ini mendapatkan akurasi yang paling tinggi 74% dimana merupakan perbandingan data training dan data testing 80:20 dengan precision sebesar 80% dan recall sebesar 80%. Model klasifikasi tersebut bahwa atribut “mengikuti sertifikasi” menjadi root node karena mempunyai nilai gain tertinggi dibanding atribut lainnya yaitu sebesar 0.1689.]]>
Copyrights © 2024
