PENERAPAN ALGORITMA C4.5 PADA PROGRAM KLASIFIKASI MAHASISWA DROPOUT (original) (raw)
Related papers
PENERAPAN ALGORITMA KLASIFIKASI C4.5 UNTUK MENGHASILKAN POLA KELAYAKAN KREDIT
Credit is a belief that one is given to a person or other entity which is concerned in the future will fulfill all the obligations previously agreed. some of the problems that often occur in the crediting institutions eg consumer arrears were previously deemed worthy of receiving credit, the breakdown of credit status. The emergence of the problem as a lack of consideration or the stability of credit analysis in determining credit worthiness when consumers apply for crediting. Therefore it is necessary to do credit analysis so as to determine the feasibility of a credit crunch, through credit analysis results, it can be seen whether the customer is feasible or not. Some of the existing problems of classification method is used to predict credit is by using models classification algorithm C4.5 After testing with the model showed that 90.99% and AUC value of 0.911 to the level of diagnosis Excellent Classification. and it can be concluded that the application of the C4.5 classification algorithm capable of generating patterns of creditworthiness with pinpoint accuracy and a good diagnosis
PENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI PREDIKAT KEBERHASILAN MAHASISWA DI AMIK TUNAS BANGSA
Predikat keberhasilan Mahasiswa di perguruan tinggi merupakan hal utama yang menjadi acuan bagi seorang mahasiswa selama menjalani study. Data mahasiswa yang terus meningkat dari tahun ke tahun adalah bukti untuk mengembangkan Data Mining. Banyaknya jumlah Mahasiswa akan diproses Untuk mengetahui berdasarkan kriteria apa saja Mahasiswa layak mendapatkan predikat keberhasilannya dengan beberapa atribut seperti, jenis kelamin, kehadiran, sesi perkuliahan, rerata NEM dan Asal sekolah. Dalam hal ini, peneliti melakukan analisis di Amik Tunas Bangsa Jl. Sudirman no. 1,2,3 Pematangsiantar. Analisis yang digunakan adalah menggunakan Data Mining dengan metode C4.5 dan diproses menggunakan software Rapidminer untuk membuat pohon keputusan. Metode ini diharapkan dapat mempermudah pihak instansi mengklasifikasi dan memprediksi predikat keberhasilan Mahasiswa sehingga data-data yang menumpuk bisa bermanfaat untuk keperluan data mining dalam mengambil keputusan yang baik. Analisis ini diharapkan sebagai salah satu motivasi terhadap mahasiswa untuk meningkatkan IPK.
KLASIFIKASI DATA MINING UNTUK PENERIMAAN PEGAWAI MENGGUNAKAN ALGORITMA C4.5
Untuk menunjang kinerja, sebuah perusahaan harus memiliki sumber daya manusia yang dapat diandalkan. Dalam memperoleh sumber daya manusia atau yang biasa disebut pegawai perusahaan, maka perusahaan melakukan proses seleksi atau rekrutmen untuk penerimaan pegawai. Dalam rangka mendapatkan SDM terbaik, maka proses seleksi harus dilaksanakan dengan baik dan benar. Proses seleksi SDM memerlukan cara yang terorganisir dan akurat agar menghasilkan SDM yang bermutu dan dapat mendukung kesuksesan organisasi. SDM merupakan sebuah investasi bagi organisasi maupun perusahaan untuk dapat tumbuh dan berkembang sesuai dengan visi dan misi perusahaan. PT. Telkom merupakan perusahaan BUMN yang bergerak dibidang jasa layanan telekomunikasi. Tentunya banyak pelamar dari seluruh Indonesia yang ingin bekerja di PT. Telkom. Oleh karena itu diperlukan objektivitas dalam pengambilan keputusan. Pengambilan keputusan yang dilakukan oleh manusia masih banyak yang bersifat subjektif. Belum lagi resiko nepotisme yang tidak dapat dihindari. Bila dibiarkan dalam jangka panjang, hal tersebut dapat mempengaruhi kinerja organisasi. Tujuan seleksi pada dasarnya untuk mendapat orang yang tepat untuk jabatan tertentu agar dapat bekerja secara optimal dalam waktu yang lama. Proses seleksi penerimaan pegawai di perusahaan cukup panjang sehingga membutuhkan waktu yang cukup lama dan biaya yang tidak sedikit dan tentunya itu semua untuk mendapatkan calon pegawai yang benar-benar sesuai dengan kriteria yang tepat. Tujuan penelitian ini adalah membuat klasifikasi penerimaan pegawai dengan menggunakan Decision Tree oleh Algoritma C4.5. Hasil klasifikasi ini dapat digunakan untuk mengambil keputusan dalam proses penerimaan pegawai.
PENERAPAN METODE C4.5 UNTUK PENENTUAN KELAYAKAN PENERIMA PROGRAM KELUARGA HARAPAN
UAS MATAKULIAH METODOLOGI PENELITIAN, 2021
The Family Hope Program (FHP) is a program that provides cash assistance to Very Poor Households (VPH). In return, VPH is required to meet requirements related to efforts to improve the quality of human resources (HR), namely education and health. Hopefully the Family Hope Program is expected to reduce the burden on expenses of poor families in the short term and break the chain of poverty in the long term. To receive the Family Hope Program (FHP), the government has set several criteria. There is a way to complete the predetermined criteria, namely by utilizing data mining techniques. Data mining is an analysis step of the knowledge discovery process in the database or knowledge discovery in the database using the C4.5 Algorithm. The C4.5 algorithm will form a decision tree which can later be used as a basis for consideration in determining the eligibility of the Family Hope Program (FHP) recipients. The purpose of this research is to assist the Social Service in determining the eligibility of the Family Hope Program recipients. The limitation in this research is using data that will be implemented in making applications with Visual Basic. NET 2010. The research method uses quantitative methods, where the research is descriptive, refers to data and utilizes existing theories as supporting materials. From the results of this research, a system will be made that can help the Social Service to make it easier to determine the eligibility of the Family Hope Program (FHP) recipients.
PERBANDINGAN AKURASI KLASIFIKASI TINGKAT KEMISKINAN ANTARA ALGORITMA C 4.5 DAN NAÏVE BAYES
Abstrak Kemiskinan merupakan salah satu masalah yang dialami oleh beberapa Negara berkembang, termasuk indonesia. Banyak cara yang dilakukan untuk menanggulangi kemiskinan, diantaranya dengan program bantuan sosial untuk rakyat miskin. Bentuk bantuan sosial yang diberikan oleh pemerintah disesuaikan dengan tingkat kemiskinan yang ada disuatu wilayah sehingga pemberian bantuan sosial tersebut tidak salah sasaran. Pada penelitian kali ini kami menggunakan BDT (Basis Data Terpadu) yang dikeluarkan oleh TNP2K dalam menentukan klasifikasi tingkat kemiskinan. Adapun metode yang digunakan dalam penelitian ini adalah Naïve Bayes Clasifier (NBC) dan Algoritma C4.5 yang keduanya merupakan metode pada teknik klasifikasi data mining. Pegujian akan dilakukan dengan menggunakan 14 atribut. Hasil dari proses klasifikasi diperoleh bahwa metode C4.5 memiliki tingkat akurasi 3% lebih baik jika dibandingkan dengan metode Naïve Bayes. Indonesia merupakan salah satu Negara berkembang di asia khususnya asia tenggara. Salah satu masalah yang sering dihadapi oleh Negara berkembang adalah kemiskinan. Berdasarkan data yang dikeluarkan oleh Badan Pusat Statistik, angka kemiskinan di Indonesia pada tahun 1999 mencapai 47.97 juta jiwa. Pada tahun 2011 jumlah penduduk miskin menjadi 30.02 juta jiwa. Badan Pusat Statistik melakukan pendataan kependudukan khususnya masalah kemiskinan setiap 3 tahun sekali. Proses pendataan dilakukan dengan cara door to door langsung menuju rumah tangga sasaran. Bagi pemerintah Indonesia masalah kemiskinan merupakan masalah lama yang belum dan sulit untuk diselesaikan [8]. Pemerintah sendiri telah melakukan beberapa upaya dalam melakukan pengentasan kemiskinan diantaranya melalui program bantuan sosial diantaranya Bantuan langsung tunai (BLT), Program Keluarga Harapan (PKH) dll. Salah satu kesulitan yang terkadang dihadapi oleh pemerintah adalah proses pembagian bantuan sosial yang tidak merata dan tepat sasaran. Kendala tersebut bisa terjadi karena faktor teknis maupun nonteknis. Basis Data Terpadu yang dikeluarkan oleh TNP2K merupakan salah satu dasar yang digunakan dalam penentuan klasifikasi tingkat kemiskinan tersebut. Di dalamnya terdapat setidaknya 14 atribut yang menentukan tingkat kemiskinan diantaranya tingkat pendidikan, jenis lapangan usaha, kedudukan dalam pekerjaan, status tempat tinggal, jenis atap, jenis dinding, jenis lantai, air minum yang digunakan, penerangan yang digunakan, bahan bakar memasak, fasilitas buang air besar, fasilitas tempat pembuangan akhir, kepesertaan KB, serta jumlah anggota rumah tangga dalam satu rumah. Salah satu pemodelan yang bisa digunakan untuk klasifikasi tingkat kemiskinan tersebut adalah dengan menggunakan data mining. Dalam penelitian kali ini penulis mencoba membandingkan model klasifikasi yang dibentuk oleh teknik data mining antara algoritma decision tree C4.5 dan Naïve Bayes Clasifier (NBC). Metode ini di uji cobakan dengan menggunakan jumlah data
KLIK - KUMPULAN JURNAL ILMU KOMPUTER, 2019
Poverty is the main focus of the central government and local governments. Because it is one of the causes of backwardness and an obstacle in the development of a nation. With the existence of a family program, it is expected that it can improve the socioeconomic conditions of the Very Poor Family, increase the level of Very Poor Family education and improve the health and nutrition status of pregnant women and toddlers in Indonesia. Very Poor Family. The Family Hope Program is expected to reduce poverty and improve human resources, especially in the group of very poor people. The main problem in channeling the Hope Family Program was that the eligibility determination system was still manual and used data several years ago. This is feared to cause confusion and inaccuracy of beneficiaries of the Family Hope Program, so a decision support system is needed to determine the qualifications of recipients of the Hope Family Program. The results of the study using C5.0 Algorithm from this study, can know that the main root in determining recipients of family planning programs is the ownership of school children with acquisition of 0.512716784
Penerapan Algoritma C4.5 Pada Klasifikasi Potensi Siswa Drop Out
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), 2019
Students are one of the substances that need to be considered in relation to the world of education today. The difficulty of getting students makes the school have to optimize the learning system and infrastructure as well to attract the interest of new students and also make students who have gone to school not drop out or drop out. One of the factors contributing to the large number of students dropping out is because of the lack of policies and actions from the education institutions to keep their students from dropping out. The purpose of this study was to classify potentially dropout students and not have the potential to drop out with the C4.5 algorithm as a reference in making policies and actions to reduce the number of students dropping out. The classification results of the C4.5 algorithm are evaluated and validated with RapidMinerStudio to determine the accuracy of the C4.5 Algorithm in classifying potential dropouts.Keywords: Student dropout, Classification, C4.5 Algorithm
Saat ini mayoritas mahasiswa memilih bidang peminatan mengikuti pilihan yang diambil mayoritas teman-teman satu kelas, tanpa mempertimbangkan faktor prestasi akademik mahasiswa. Hal ini berdampak pada ketidaksesuaian bidang peminatan dengan minat dan keterampilan mahasiswa tersebut, akibatnya banyak mahasiswa yang mengalami kesulitan ketika menyelesaikan tugas akhir. Penerapan algoritma C4.5 dalam pilihan bidang peminatan akan membantu dalam pengklasifikasian variable-variabel yang mempengaruhi pemilihan bidang peminatan. Algortima C4.5 adalah algoritma yang cukup efektif untuk membantu membentuk sebuah pohon keputusan, pohon keputusan tersebut kemudian akan menghasilkan sebuah pengetahuan baru. Berdasarkan hasil pengujian terhadap pohon keputusan diperoleh kecocokan data 82,14 % terhadap data pemilihan bidang peminatan.
Penerbangan adalah hal yang sering dilakukan pada jaman yang sangat modern ini. Mobilitas masyarakat menuntut transportasi yang lebih cepat, namun setiap transportasi memiliki resiko masing-masing, karena semakin tingginya frekuensi penerbangan maka akan terdapat pula resiko kecelakaan pada transportasi pesawat. Paper ini menjelaskan tentang pohon keputusan dengan algoritma C4.5. Pohon keputusan merupakan metode klasifikasi yang sangat kuat dan populer, metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang merepresentasikan aturan. Pohon keputusan juga beguna untuk eksplorasi data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuat variabel target. Pengujian yang dilakukan mengalami penyerdehanaan variabel dari dataset, variable yang digunakan hanya flighttype, investigation type, aircraft demange dan number of engines. Dan mengambil flight type sebagai hasil akhir.
IMPLEMENTASI ALGORITMA RC 4 DAN KOMPRESI HUFFMAN PADA
Pertukaran data menjadi hal yang sangat penting dalam dunia informasi, dimana di dalamnya mempunyai banyak sekali informasi yang bersifat rahasia antara pengirim dan penerima, di bidang akademisi filefile penting seperti SK keputusan sekolah, SK akreditasi sekolah, SK pembagian tugas mengajar maupun SK lainnya. Pada bidang keuangan file penting seperti slip gaji, SK KGB (Kenaikan Gaji Berkala) maupun file lainnya. Dengan berbagai masalah seperti itu, maka dibuatlah aplikasi keamanan e-mail yang digunakan untuk mengamankan file penting. File yang penting akan di enkripsi dengan algoritma RC 4 supaya data yang berada di dalam file teracak guna menjaga kerahasiaan isi file. Hasil file yang terenkripsi kemudian akan dikompresi dengan menggunakan algoritma kompresi Huffman. Kompresi menggunakan Huffman kurang maksimal untuk beberapa file karena proses kompresi dilakukan tidak secara maksimal, hal ini disebabkan karena menggunakan bilangan ASCII yang begitu banyak akan membuat isi enkripsi semakin banyak. Dengan demikian hasil kompresi data yang terenkrip sizenya ada yang sama sizenya dengan size aslinya dan ada yang lebih besar atau lebih kecil dari size aslinya.