ANALISIS ALGORITMA C 4.5 DAN K-NEAREST NEIGHBOR UNTUK MENENTUKAN PENERIMAAN BEASISWA DI SMK INDRA BANGSA
Abstract
Beasiswa merupakan salah satu solusi untuk mengatasi masalah biaya bagi mereka yang kurang mampu. Pemberian beasiswa di SMK Indra Bangsa terkadang hanya berfokus kepada siswa yatim saja dan bagi siswa yang memiliki nilai bagus jadi tidak mendapat beasiswa, maka pada penelitian ini bertujuan untuk menentukan klasifikasi penerimaan beasiswa di SMK Indra Bangsa, untuk data yang dijadikan unit penelitian adalah siswa SMK dari kelas 10-12 yang berjumlah 56 siswa yang dimana nanti nya dari jumlah tersebut diambil 30% yang akan dijadikan sebagai data testing. Dengan algoritma data mining tersebut, adapun data atribut yang digunakan untuk melakukan pemrosesan diantaranya data status keluarga, jumlah tanggungan orang tua, peringkat siswa dan penghasilan orang tua. Dan berdasarkan proses data mining didapatkan bahwa algoritma K-Nearest Neighbor lebih akurat dibanding algoritma C4.5 dalam pengklasifikasian penerimaan beasiswa. Dan berdasarkan hasil pengujian beasiswa dengan aplikasi rapid miner didapatkan nilai akurasi bahwa algoritma KNN mendapat nilai akurasi yang lebih tinggi yaitu 88.24 % sedangkan algoritma C4.5 mendapatkan nilai akurasi 82.35%. Dalam hal ini bisa diketahui untuk pemakaian metode yang terbaik adalah algoritma K-Nearest Neighbor, kemudian diikuti oleh algoritma C4.5. Adapun saran penelitian ini adalah menggunakan atribut yang lebih banyak dan menggunakan algoritma lain untuk proses pengujian. Adapun pembaruan dari penelitian yang dibuat adalah menggunakan 2 algoritma pada proses mining data yang dilakukan di sekolah SMK Indra Bangsa.
References
N. A. Safitri, “Tinjauan Pustaka Tinjauan Pustaka,” Convention Center Di Kota Tegal, no. 938, pp. 6–37, 2020.
D. Apdian, M. T. B. Hutabarat, R. Jayawiguna, and Y. Suherman, “SISTEM PENUNJANG KEPUTUSAN BEASISWA PADA SMK RISTEK KARAWANG BERBASIS WEB MENGGUNAKAN METODE SMART,” Jurnal Interkom: Jurnal Publikasi Ilmiah Bidang Teknologi Informasi dan Komunikasi, vol. 18, no. 4, pp. 17–24, Jan. 2024, doi: 10.35969/interkom.v18i4.320.
Josua Josen A. Limbong, Irwan Sembiring, and Kristoko Dwi Hartomo, “Analisis Klasifikasi Sentimen Ulasan pada E-Commerce Shopee Berbasis Word Cloud Dengan Metode Naive Bayes dan K-Nearest Neighbor,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 9, no. 2, pp. 347–356, 2022, doi: 10.25126/jtiik.202294960.
T. Novika, P. Poningsih, H. Okprana, A. P. Windarto, and H. Siahaan, “Penerapan Data Mining Klasifikasi Tingkat Pemahaman Siswa Pada Pelajaran Matematika,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 1, p. 9, Jan. 2021, doi: 10.30865/mib.v5i1.2498.
Ryanwar, “Penerapan Metode Algoritma C4.5 Untuk Memprediksi Loyalitas Karyawan Pada Pt.Xyz Berbasis Web,” Fakultas Sains Dan Teknologi Universitas Buddhi Dharma, p. 103, 2020.
O. P. Moerdyanto, I. Kadek, and D. Nuryana, “Prediksi Kelulusan Tepat Waktu Menggunakan Pendekatan Pohon Keputusan Algoritma Decision Tree,” Journal of Informatics and Computer Science, vol. 05, 2023.
P. Widia Sari, G. Giwangga, N. Dian Fitriyanti, A. Arlisdia Putra, and H. Irawan, “Implementasi Algoritma C4.5 Untuk Klasifikasi Data Insentif Karyawan PT. Adhi Cakra Utama Mulia,” Jurnal Komputer Antartika, vol. 2, pp. 95–101, 2024, [Online]. Available: https://ejournal.mediaantartika.id/index.php/jka
D. Halimah, M. Ridwan, L. Stikom, T. Bangsa, and W. Saputra, “ALGORITMA C4.5 UNTUK MENENTUKAN KLASIFIKASI TINGKAT PEMAHAMAN MAHASISWA PADA MATAKULIAH BAHASA PEMROGRAMAN,” Jurnal Teknik Mesin, Industri, Elektro Dan Informatika (JTMEI), vol. 1, no. 3, 2022.
“Tampilan PERBANDINGAN METODE PERHITUNGAN JARAK EUCLIDEAN, HAVERSINE, DAN MANHATTAN DALAM PENENTUAN POSISI KARYAWAN.pdf.”
V. R. Prasetyo, H. Lazuardi, A. A. Mulyono, and C. Lauw, “Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Linear Regression,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 7, no. 1, pp. 8–17, 2021, doi: 10.25077/teknosi.v7i1.2021.8-17.
