Uji Metode Klasifikasi Data Dalam Proses Seleksi Penerima Beasiswa SMK PGRI Ploso

Ade Surya Budiman (AMIK BSI Jakarta)
Xanty Adhi Parandani (AMIK BSI Bogor)

IJCIT (Indonesian Journal on Computer and Information Technology)
Vol 2, No 1 (2017): Indonesian Journal on Computer and Information Technology

AbstrakProses seleksi beasiswa melibatkan banyak variabel untuk indikator penilaian kelayakan penerima beasiswa. Terdapat dua jenis variabel penilaian, yaitu variabel Nominal dan variabel Numerik. Kedua variabel ini memiliki kesetaraan perhitungan dan pertimbangan dalam proses seleksi. Terdapat berbagai metode yang bisa dipergunakan untuk melakukan proses klasifikasi dan pengenalan pola data yang dipakai dalam seleksi beasiswa. Didalam penelitian ini dilakukan pengujian terhadap dua metode klasifikasi dan pengenalan pola data, yaitu menggunakan implementasi logika fuzzy dan integrasi logika fuzzy dengan algoritma C4.5. Pengujian dilakukan untuk menguji keakuratan dari metode yang diperhitungkan dengan menggunakan metode pengujian 10-folds cross validation. Dari hasil penelitian diperoleh Root Mean Square Error (RMSE) sebesar 0,216 dan Mean Absolut Error (MAE) sebesar 0,0941 untuk implementasi logika fuzzy. Sedangkan untuk integrasi logika fuzzy dengan algoritma C4.5 diperoleh hasil RMSE sebesar 0,2714 dan MAE sebesar 0,132. Dari penelitian ini disimpulkan bahwa implementasi logika fuzzy memberikan hasil pengujian yang lebih baik.Kata Kunci : Seleksi Beasiswa, Variabel Nominal, Variabel Numerik, Implementasi Logika Fuzzy, Algoritma C4.5. AbstractThe scholarship selection process involves many variables for feasibility assessment indicators recipients. There are two types of assessment variables, namely Nominal variables and Numeric variables. Both of these variables have equal calculation and consideration in the selection process. There are various methods that can be used to make the process of classification and pattern recognition data used in the selection of scholarship. In this study tested the two methods of data classification and pattern recognition, which uses fuzzy logic implementation and integration of fuzzy logic with C4.5 algorithm. Tests conducted to test the accuracy of the method were calculated using the method of testing 10-folds cross validation. The results were obtained Root Mean Square Error (RMSE) of 0.216 and Mean Absolute Error (MAE) of 0.0941 to the fuzzy logic implementation. As for the integration of fuzzy logic and C4.5 algorithm’s resulting RMSE value 0.2714 and MAE value 0.132. This study suggests that the fuzzy logic implementation provides better test results.    Keywords: Scholarship Selection, Nominal Variables, Numeric Variables, Fuzzy Logic Implementation, C4.5 Algorithm.