Penerapan Algoritma C4.5 untuk Klasifikasi Jurusan Siswa SMA Negeri 6 Padang

Dinda Aulia(1), Khairi Budayawan(2),
(1)   Indonesia
(2) Universitas Negeri Padang  Indonesia

Corresponding Author


DOI : https://doi.org/10.24036/voteteknika.v11i4.123464

Full Text:    Language : id

Abstract


Penjurusan siswa merupakan upaya untuk membantu siswa dalam memilih jenis program pengajaran yang sesuai dengan minat dan bakat siswa. Penjurusan pada SMA Negeri 6 Padang masih dilakukan secara manual dan kurang efektif menggunakan Microsoft Excel, sehingga beberapa siswa kurang cocok dengan jurusan yang diterimanya. Penelitian ini bertujuan agar siswa bisa mendapatkan jurusan sesuai dengan minat dan kemampuan siswa. Dalam menerapkan hal tersebut dibutuhkan suatu metode yang baik untuk menganalisa kebutuhan dan perancangan aplikasi, sehingga menjadi lebih efektif dan dapat diterapkan sesuai kebutuhan pengguna. Metode yang digunakan adalah metode klasifikasi dengan algoritma decission tree C4.5. Klasifikasi ini menggunakan 5 atribut sebagai atribut kontrol yaitu nilai rata-rata rapor SMP yang meliputi mata pelajaran matematika, IPA, IPS, tes psikotes, dan minat siswa. Berdasarkan pengujian yang dilakukan terhadap siswa tahun ajaran 2021/2022 dan 2022/2023 diperoleh accuracy sebesar 78.38%, precision sebesar 76.92% dan recall sebesar 66.67% dengan 370 sampel data. Dari data tersebut dapat disimpulkan bahwa menentukan penjurusan dengan menggunakan data mining algoritma decission tree C4.5 dapat mempercepat dan akurat dalam pengambilan keputusan penjurusan siswa SMA Negeri 6 Padang.

Kata kunci : Penjurusan Siswa, Klasifikasi, Decission Tree C4.5

 

Student majors are an effort to assist students in choosing the type of teaching program that suits the interests and talents of students. Majors at Padang 6 Public High School are still done manually and are less effective using Microsoft Excel, so that some students are not suitable for the majors they receive. This study aims so that students can get majors in accordance with the interests and abilities of students. In implementing this, a good method is needed to analyze needs and design applications, so that they become more effective and can be implemented according to user needs. The method used is a classification method with the decision tree algorithm C4.5. This classification uses 5 attributes as control attributes, namely the average value of junior high school report cards which include mathematics, science, social studies, psychological tests, and student interest. Based on tests carried out on students for the 2021/2022 and 2022/2023 academic years, an accuracy of 78.38% was obtained, a precision of 76.92% and a recall of 66.67% with 370 data samples. From these data it can be concluded that determining majors using the data mining decision tree algorithm C4.5 can speed up and accurately make major decisions for students of SMA Negeri 6 Padang.

Keywords: Student Majors, Classification, Decission Tree C4.5


References


M. Soleh, S. R. Andani, and H. Qurniawan, “Algoritma C4 . 5 Dalam Mengklasifikasi Tindak Kejahatan Yang Sering Terjadi Di Kecamatan Siantar Barat Pematangsiantar,” vol. 2, no. 5, pp. 335–340, 2021.

A. Roihan, P. A. Sunarya, and A. S. Rafika, “Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper,” IJCIT (Indonesian J. Comput. Inf. Technol., vol. 5, no. 1, pp. 75–82, 2020, doi: 10.31294/ijcit.v5i1.7951.

Y. Kustiyahningsih and E. Rahmanita, “Aplikasi Sistem Pendukung Keputusan Menggunakan Algoritma C4.5. untuk Penjurusan SMA,” J. Semantec, vol. 5, no. 2, pp. 101–108, 2016.

V. Anestiviya, A. Ferico, and O. Pasaribu, “Analisis Pola Menggunakan Metode C4.5 Untuk Peminatan Jurusan Siswa Berdasarkan Kurikulum (Studi Kasus : Sman 1 Natar),” J. Teknol. dan Sist. Inf., vol. 2, no. 1, pp. 80–85, 2021, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI

S. Nuraeni, S. P. A. Syam, M. F. Wajdi, B. Firmansyah, and M. Malkan, “Implementasi Metode K-NN Untuk Menentukan Jurusan Siswa di SMAN 02 Manokwari,” G-Tech J. Teknol. Terap., vol. 7, no. 1, pp. 89–95, 2023, doi: 10.33379/gtech.v7i1.1905.

M. Fibo, D. Ikhbal, and D. Kurniadi, “Menentukan Penjurusan Siswa Dengan Menggunakan Metode Decision Tree Algoritma C4.5 (Studi Kasus : SMA Negeri 2 Padang),” Jav. (Jurnal Vokasi Inform., vol. 1, no. 3, pp. 31–37, 2021, [Online]. Available: http://javit.ppj.unp.ac.id

Nanang, “Scientia Sacra : Jurnal Sains , Teknologi dan Masyarakat Analisis Perbandingan Algoritma Data Mining Metode Decision Tree C4 . 5 Dengan Naïve Bayes dalam Penjurusan Siswa ( Studi Kasus MAN 1 Kota Tangerang Selatan ),” vol. 2, no. 1, pp. 44–61, 2022.

A. Abbas Al marsi, A. Nilogiri, and R. Umilasari, “Klasifikasi Penjurusan Siswa Menengah Atas Menggunakan Metode K-Nearest Neighbor,” J. Smart Teknol., vol. 4, no. 1, pp. 2774–1702, 2022, [Online]. Available: http://jurnal.unmuhjember.ac.id/index.php/JST

F. Mu’Alim and R. Hiday, “Implementasi Metode Random Forest Untuk Penjurusan Siswa di Madrasah Aliyah Negeri Sintang,” Jupiter, vol. 14, no. 1, pp. 116–125, 2022, [Online]. Available: https://www.neliti.com/publications/441871/implementasi-metode-random-forest-untuk-penjurusan-siswa-di-madrasah-aliyah-nege#cite

S. N. Corisindo, “Penerapan Fuzzy Associative Memory pada Penjurusan Siswa Sekolah Menengah Atas”.

M. N. Jufani, H. Zulfia Zahro’, and S. Achmadi, “Pengembangan Penentuan Sistem Pendukung Keputusan Penjurusan Siswa Di Sman 1 Sanggar Menggunakan Metode Analytical Hierarchy Process (Ahp) Dan Tecnique for Order Preference By Similarity To Ideal Solution (Topsis),” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 945–952, 2023, doi: 10.36040/jati.v6i2.5405.

A. Triyanto, “Implementasi Algoritma C4 . 5 Dalam Memprediksi,” vol. XI, no. 1, pp. 312–320, 2022.

H. D. Tarigan, F. Destiawati, and A. Fitriansyah, “Implementasi Algoritma C4.5 Terhadap Kepuasan Pelanggan,” Ethos (Jurnal Penelit. dan Pengabdi. Masyarakat), vol. Vol. 6, No, pp. 80–86, 2017.

A. P. Ayudhitama and U. Pujianto, “Analisa 4 Algoritma Dalam Klasifikasi Liver Menggunakan Rapidminer,” J. Inform. Polinema, vol. 6, no. 2, pp. 1–9, 2020, doi: 10.33795/jip.v6i2.274.

M. Maulidah, Windu Gata, Rizki Aulianita, and Cucu Ika Agustyaningrum, “Algoritma Klasifikasi Decision Tree Untuk Rekomendasi Buku Berdasarkan Kategori Buku,” E-Bisnis J. Ilm. Ekon. dan Bisnis, vol. 13, no. 2, pp. 89–96, 2020, doi: 10.51903/e-bisnis.v13i2.251.

C. Cahyaningtyas, Y. Nataliani, and I. R. Widiasari, “Analisis Sentimen Pada Rating Aplikasi Shopee Menggunakan Metode Decision Tree Berbasis SMOTE,” Aiti, vol. 18, no. 2, pp. 173–184, 2021, doi: 10.24246/aiti.v18i2.173-184.

Ainurrohmah, “Akurasi Algoritma Klasifikasi pada Software Rapidminer dan Weka,” Prisma, vol. 4, pp. 493–499, 2021, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/

M. Y. Pusadan, A. Ghifari, and Y. Anshori, “Implementasi Data Mining untuk Prediksi Status Proses Persalinan pada Ibu Hamil Menggunakan Algoritma Naive Bayes,” vol. 8, no. 1, 2023.


Article Metrics

 Abstract Views : 566 times
 PDF (Bahasa Indonesia) Downloaded : 117 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.