Perbandingan Kinerja 6 Algoritme Klasifikasi Data Mining untuk Prediksi Masa Studi Mahasiswa
Year: 2019
Type: article
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 ( A rea Under Curve ) termasuk dalam kategori baik yaitu 0.837. Sedangkan DT C4.5 memiliki kinerja terendah dengan nilai akurasi sebesar 76.615%.
Source: Telematika
Authors: Mariana Windarti, Agustinus Suradi
Institution: Universitas Widya Dharma Klaten
Language: Indonesian
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
SDG: Quality education
Open Access status: diamond
OpenAlex ID: W2918221721
