ANALISIS POLA MENGGUNAKAN METODE C4.5 UNTUK PEMINATAN JURUSAN SISWA BERDASARKAN KURIKULUM (studi kasus : SMAN 1 NATAR)

vista anestiviya, A. Ferico Octaviansyah Pasaribu

Abstract


Peminatan jurusan merupakan suatu keputusan yang dilakukan oleh peserta didik baru untuk memilih jurusan “IPA” dan “IPS” yang ada pada sekolah SMA Negeri 1 Natar sesuai dengan minat, Prestasi, Zonasi dan Perpindahan Tugas orangtua. Pemilihan peminatan dilakukan atas dasar minat calon peserta didik. Ketepatan dalam menentukan peminatan dapat menentukan keberhasilan belajar siswa. Sebaliknya, kesempatan yang sangat baik bagi siswa akan hilang karena kekurang tepatan dalam penentuan peminatan. Kurikulum yang digunakan pada sekolah SMA Negeri 1 Natar saat ini adalah kurikulum 2013.Maka dari itu pihak sekolah berharap dengan adanya penjurusan yang tepat sejak awal akan memberikan akhir proses pembelajaran yang berhasil sehingga pihak sekolah membutuhkan variabel dasar penentuan keberhasilan proses kegiatan belajar mengajar (KBM) yaitu nilai Bahasa Indonesia, Bahasa Inggris, Matematika, IPA, serta minat dari calon siswa. Penggunaan data mining dengan teknik klasifikasi melalui metode C4.5 diharapkan dapat memberikan analisis pola peminatan jurusan siswa yang sesuai sehingga proses KBM dapat berjalan secara lancer dan berhasil. Dari hasil perhitungan melalui perhitungan sistem dan manual didapatkan hasil untuk data a memiliki tingkat akurasi sebesar 100% dan untuk data b sebesar 80%, yang mengartikan bahwa C4.5 dapat disarakan untuk mengolah data siswa dalam hal membantu memberikan keputusan terbaik pemilihan jurusan siswa.

Kata Kunci :Data Mining, Klasifikasi,C4.5, weka, Data penjurusan siswa


Full Text:

PDF

References


J. F. B. Logo, A. Wantoro Dan E. R. Susanto, “Model Berbasis Fuzzy Dengan Fis Tsukamoto Untuk Penentuan Besaran Gaji Karyawan Pada Perusahaan Swasta,” Jurnal Teknoinfo, Vol. 14, No. 2, Pp. 125-130, 2020.

H. Sulistiani Dan Y. T. Utami, “Penerapan Algoritma Klasifikasi Sebagai Pendukung Keputusan Pemberian Beasiswa Mahasiswa,” Dalam Snti Vi, Jakarta, 2018.

A. Wibisono, S. D. Rizkiono Dan A. Wantoro, “Filtering Spam Email Menggunakan Metode Naive Bayes,” Telefortech : Journal Of Telematics And Information Technology, Vol. 1, No. 1, Pp. 9-17, 2020.

M. Bakri, “Penerapan Data Mining Untuk Clustering Kualitas Batubara Dalam Proses Pembakaran Di Pltu Sebalang Menggunakan Metode K-Means,” Jurnal Teknoinfo, Vol. 11, No. 1, Pp. 1-4, 2017.

R. I. Borman Dan M. Wati, “Penerapan Data Maining Dalam Klasifikasi Data Anggota Kopdit Sejahtera Bandarlampung Dengan Algoritma Naïve Bayes,” Jurnal Ilmiah Fakultas Ilmu Komputer, Vol. 9, No. 1, Pp. 25-34, 2020.

A. A. Aldino Dan H. Sulistiani, “Decision Tree C4.5 Algorithm For Tuition Aid Grant Program Classification (Case Study: Department Of Information System, Universitas Teknokrat Indonesia),” Jurnal Ilmiah Edutic, Vol. 7, No. 1, Pp. 40-50, 2020.

A. Nurkholis, M. Muhaqiqin Dan T. Susanto, “Analisis Kesesuaian Lahan Padi Gogo Berbasis Sifat Tanah Dan Cuaca Menggunakan Id3 Spasial,” Juita: Jurnal Informatika, Vol. 8, No. 2, P. 235 – 244, 2020.

H. Sulistiani, K. Muludi Dan A. Syarif, “Implementation Of Dynamic Mutual Information And Support Vector Machine For Customer Loyalty Classification,” Dalam Journal Of Physics: Conference Series, United Kingdom, 2018.

Kisworo, “Alternative Model Base As An Enabler For Success Of Business Intelligence-Based Companies Using C4.5,” Journal Of Theoretical And Applied Information Technology , Vol. 95, No. 14, Pp. 3210-3216, 2017.

I. Ahmad, H. Sulistiyani Dan H. Saputra, “Using Fuzzy K-Nearest Neighbor For Predicting University Students Graduation In Teknokrat,” Indonesian Journal Of Artificial Intelligence And Data Mining (Ijaidm) , Vol. 1, No. 1, Pp. 47-52, 2018.

D. Alita Dan A. Rahman, “Pendeteksian Sarkasme Pada Proses Analisis Sentimen Menggunakan Random Forest Classifier,” Jurnal Komputasi, Vol. 8, No. 2, Pp. 50-58, 2020.

D. Alita, I. Sari, A. R. Isnain Dan Styawati, “Penerapan Naïve Bayes Classifier Untuk Pendukung Keputusan Penerima Beasiswa,” Jurnal Data Mining Dan Sistem Informasi, Vol. 2, No. 1, Pp. 17-23, 2021.

M. A. Assuja Dan Saniati, “Analisis Sentimen Tweet menggunakan Backpropagation Neural Network,” Jurnal Teknoinfo, Vol. 10, No. 2, Pp. 23-28, 2016.

D. Alita Dan Y. Fernando, “Multiclass Svm Algorithm For Sarcasm Text In Twitter,” Jurnal Teknik Informatika Dan Sistem Informasi, Vol. 8, No. 1, Pp. 118-128, 2021.

D. Darwis, E. S. Pratiwi Dan A. F. O. Pasaribu, “Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia,” Jurnal Ilmiah Edutic, Vol. 7, No. 1, Pp. 1-11, 2020.




DOI: https://doi.org/10.33365/jtsi.v2i1.393

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 vista anestiviya

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

JURNAL Teknologi dan Sistem Informasi (JTSI)
Published by Universitas Teknokrat Indonesia
Organized by Prodi S1 Sistem Informasi FTIK Universitas Teknokrat Indonesia

W: http://jim.teknokrat.ac.id/index.php/sisteminformasi
E : jtsi@teknokrat.ac.id.
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhan Ratu, Bandarlampung

Creative Commons License
Jurnal Teknologi dan Sistem Informasi is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.