Analisa Komparasi Algoritma Data Mining untuk Klasifikasi Heregistrasi Calon Mahasiswa STMIK Widya Pratama

Penulis

  • Dadang Aribowo STMIK Widya Pratama
  • Aris Ekyanto Heru Setiadi STMIK Widya Pratama

DOI:

https://doi.org/10.47775/ictech.v13i2.30

Abstrak

Mahasiswa merupakan aset yang paling berharga dalam sebuah perguruan tinggi swasta (PTS). Karena sebagian besar pendapatan serta biaya operasional PTS didapatkan dari mahasiswa. Banyaknya mahasiswa yang melakukan heregistrasi jelas akan menjadi angin segar bagi lembaga. Dalam 5 tahun terakhir tercatat sekitar 20% mahasiswa STMIK Widya Pratama tidak melakukan heregistrasi. Pengetahuan dini terhadap calon mahasiswa yang mungkin tidak akan melakukan heregistrasi dapat menjadi acuan lembaga untuk melakukan tindakan guna mempertahankan mahasiswa. Pencatatan data mahasiswa yang tersusun rapi dapat digunakan pihak manajemen untuk melakukan analisa terhadap karakteristik serta penyebab mahasiswa tidak melakukan heregistrasi. Data mining dapat mengolah data lampau menjadi sebuah informasi atau pengetahuan baru. Dalam data mining terdapat satu fungsi mayor yaitu klasifikasi yang mengolah data training untuk menghitung data baru / data testing. Metode atau algoritma yang dapat digunakan dalam proses klasifikasi sangat banyak dengan berbagai macam karakteristik masing-masing. Beberapa algoritma klasifikasi terbaik antara lain naive bayes, knn, serta C4.5. Hasil penelitian menunjukkan bahwa ketiga algoritma yaitu knn, naive bayes serta decission tree C45 dapat digunakan untuk melakukan klasifikasi heregistrasi calon mahasiswa. Tingkat akurasi algoritma decission tree C45 merupakan yang terbaik yaitu 80,72% diikuti algoritma knn dengan tingkat akurasi 80,46%. Sedangkan tingkat akurasi naive bayes merupakan yang terendah dengan 74,49%.

Unduhan

Diterbitkan

2018-09-27

Cara Mengutip

Aribowo, D., & Setiadi, A. E. H. (2018). Analisa Komparasi Algoritma Data Mining untuk Klasifikasi Heregistrasi Calon Mahasiswa STMIK Widya Pratama. IC-Tech, 13(2). https://doi.org/10.47775/ictech.v13i2.30