📅 27 February 2019
DOI: 10.35671/telematika.v12i1.778
Perbandingan Kinerja 6 Algoritme Klasifikasi Data Mining untuk Prediksi Masa Studi Mahasiswa
Telematika
Universitas Amikom Purwokerto
📄 Abstract
Salah satu faktor yang memengaruhi kualitas sebuah perguruan tinggi adalah kinerja mahasiswa yang dapat diukur melalui lamanya masa studi. Perolehan pengetahuan dalam basis data (sejumlah data yang besar) biasa disebut dengan data mining atau penambangan data. Penelitian ini bertujuan untuk mengetahui kinerja keenam algoritme klasifikasi yang digunakan yaitu Decision Tree (DT) C4.5, Bayesian Network (BN), K-Nearest Neighbors (KNN), Naïve Bayes (NB), Neural Network (NN) dan SVM (Support Vector Machine). Kemudian menganalisa perbandingan kinerja keenam algoritme tersebut. Hasil penelitian menunjukkan bahwa Bayesian Network memiliki kinerja paling baik dengan nilai akurasi sebesar 80.615%, nilai presisi dan recall sebesar 0.785 dan 0.806, sedang untuk nilai AUC (Area Under Curve) termasuk dalam kategori baik yaitu 0.837. Sedangkan DT C4.5 memiliki kinerja terendah dengan nilai akurasi sebesar 76.615%.
🔖 Keywords
#Data mining; Klasifikasi; Masa studi; Perbandingan;
ℹ️ Informasi Publikasi
Tanggal Publikasi
27 February 2019
Volume / Nomor / Tahun
Volume 12, Nomor 1, Tahun 2019
📝 HOW TO CITE
Windarti, Mariana; Universitas Widya Dharma Klaten; Suradi, Agustinus; Universitas Widya Dharma Klaten; , "Perbandingan Kinerja 6 Algoritme Klasifikasi Data Mining untuk Prediksi Masa Studi Mahasiswa," Telematika, vol. 12, no. 1, Feb. 2019.
ACM
ACS
APA
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Download Citation
0
Sitasi
Cek Google Scholar