SISTEM PENDUKUNG KEPUTUSAN DENGAN C4.5 DAN PARTICLE SWARM OPTIMIZATION UNTUK KLASIFIKASI SELEKSI MASUK CALON TARUNA PADA PENERIMAAN TARUNA BARU
DOI:
https://doi.org/10.58192/unitech.v1i1.140Keywords:
decision tree, machine learning, particle swarm optimizationAbstract
Perguruan tinggi di Indonesia saat ini sudah mencapai 2000 lebih perguruan tinggi. Perguruan tinggi bisa tetap eksis salah satu faktornya adalah dengan adanya mahasiswa yang masuk ke perguruan tinggi tersebut. Dalam penerimaan mahasiswa baru setiap perguruan tinggi tentunya tidak sembarangan, mereka akan melakukan seleksi terhadap calon mahasiswa agar mendapatkan mahasiswa dengan kualitas yang mereka harapkan. Ada beberapa cara dalam melakukan seleksi calon mahasiswa, diantaranya ada yang berdasarkan nilai rapor, ada yang melalui tes tertulis, dan ada jalur mandiri. Tidak semua perguruan tinggi melakukan pengolahan data yang masuk secara maksimal. Biasanya mereka masih mengolah data secara manual atau dengan kata lain belum menggunakan machine learning. Masalah yang ada yaitu adanya perguruan tinggi yang belum secara maksimal dalam mengolah data penerimaan calon mahasiswa. Karena belum optimalnya data yang diolah maka ada perguruan tinggi yang belum dapat membuat prediksi dalam penerimaan calon mahasiswa untuk di tahun ajaran berikutnya. Salah satu untuk dapat membuat prediksi di masa mendatang adalah dengan menggunakan data mining. Metode yang akan digunakan dalam data mining adalah klasifikasi Decision Tree dioptimasi dengan Particle Swarm Optimization. Hasil dari Decision Tree dengan optimasi Particle Swarm Optimization didapatkan akurasi sebesar 99,94%.
References
King Saud University, Saudi Arabia, M. A. Al-Barrak, M. Al-Razgan, And King Saud University, Saudi Arabia, ‘Predicting Students Final GPA Using Decision Trees: A Case Study’, Int. J. Inf. Educ. Technol., Vol. 6, No. 7, Pp. 528–533, 2016, Doi: 10.7763/IJIET.2016.V6.745.
P. D. A. Pamungkas, ‘Menentukan Kemungkinan Masuknya Calon Mahasiswa Baru Pada Sebuah Perguruan Tinggi Swasta Manggunakan Teknik Klasifikasi Pohon Keputusan Dengan Aplikasi Rapidminer 5.’, J. Inform., P. 11, 2015.
D. Mukhibah And A. Kurniawati, ‘Implementasi Data Mining Dalam Prediksi Performance Software Engineer Pt. Emerio Menggunakan Decision Tree’, Vol. 22, No. 1, P. 13, 2017.
P. Kasih, ‘Pemodelan Data Mining Decision Tree Dengan Classification Error Untuk Seleksi Calon Anggota Tim Paduan Suara’, Vol. 1, No. 2, P. 7, 2019.
T. Novianti, I. Santosa, J. Sutorejono, And U. Trunojoyo, ‘Penentuan Jadwal Kerja Berdasarkan Klasifikasi Data Karyawan Menggunakan Metode Decision Tree C4.5 (Studi Kasus Universitas Muhammadiyah Surabaya)’, J. Komun., Vol. 5, No. 1, P. 10, 2016.
S. B. Kotsiantis, ‘Supervised Machine Learning: A Review Of Classification Techniques’, P. 20.
D. M. B. Tarigan And D. P. Rini, ‘Seleksi Fitur Pada Klasifikasi Penyakit Gula Darah Menggunakan Particle Swarm Optimization (PSO) Pada Algoritma C4.5’, Vol. 4, No. 3, P. 7, 2020.
A. Saifudin, ‘Metode Data Mining Untuk Seleksi Calon Mahasiswa Pada Penerimaan Mahasiswa Baru Di Universitas Pamulang’, J. Teknol., Vol. 10, No. 1, P. 12, 2018.
A. Suryadi And E. Harahap, ‘Sistem Rekomendasi Penerimaan Mahasiswa Baru Menggunakan Naive Bayes Classifier Di Institut Pendidikan Indonesia’, Joutica, Vol. 3, No. 2, P. 171, Sep. 2018, Doi: 10.30736/Jti.V3i2.231.
