Perbandingan Metode C4.5 Dengan K-Nearest Neighbor (KNN) Untuk Memprediksi Penjurusan Siswa SMAN 12 Pekanbaru

Authors

  • Zuhrahfi Harahap Universitas Lancang Kuning
  • Mariza Devega Universitas Lancang Kuning

DOI:

https://doi.org/10.33857/patj.v6i2.618

Keywords:

data mining, C4.5, dan K-Nearest Neighbor, perbandingan, pemilihan jurusan

Abstract

SMAN 12 Pekanbaru merupakan salah satu sekolah menengah di kota Pekanbaru yang saat ini  telah memiliki 2 jurusan yaitu IPA dan IPS. Penjurusan siswa ini dapat mengarahkan peserta didik agar lebih focus dalam mengembangkan kemampuan diri dan minat yang dimiliki. Pemilihan jurusan yang tidak tepat bisa sangat merugikan siswa terhadap minat dan karir mereka di masa mendatang. Dengan penjurusan diharapkan dapat memaksimalkan potensi, bakat,dan nilai akademisnya. Berdasarkan permasalahan tersebut dilakukan penelitian dengan menerapakan teknik data mining diharapkan dapat membantu siswa untuk menetukan jurusan yang tepat sesuai kriteria yang ditetapkan. Adapun teknik data mining ini menggunakan 2 buah metode yaitu algoritma C4.5 dan K-Nearest Neighbor. Sedangkan atribut yang digunakan terdiri dari Nilai Matematika, nilai Bahasa Indonesia, nilai Bahasa Inggris, nilai IPA, nilai IPS, Nilai IQ dan pemilihan minat. Analisis dilakukan dengan bantuan aplikasi RapidMiner untuk mengetahui nilai-nilai perbandingan terhadap metode yang dilakukan. Dari hasil pengujian bahwa hasil dari perbandingan antara algoritma C4.5, K-Nearest Nighbor. Telah didapatkan akurasi tertinggi pada pengujian ketiga adalah algoritma C4.5 dengan accurasy sebesar 84% nilai precision 100%, recall 78%.

References

Bayu Agung Rahmadi, M. (2019). Sistem Penjurusan IPA / IPS Menggunakan Algoritma K-Nearest Neighbor Pada SMA Muhammadiyah 13 Jakarta. Seminar Nasional Sains & Teknologi Informasi (SENSASI), 300—305.

Budiman, & Niqotaini, Z. (2021). PERBANDINGAN ALGORITMA KLASIFIKASI DATA MINING UNTUK Abstrak. 15(3), 1—5.

Fp-growth, M. (n.d.). SISTEM INFORMASI PREDIKSI PENJUALAN ALAT TULIS KANTOR DENGAN METODE FP-GROWTH (STUDI KASUS TOKO KOPERASI SEKOLAH BINA MULIA) Dwi Budi Srisulistiowati1.

Hendrickx, T., Cule, B., Meysman, P., Naulaerts, S., Laukens, K., & Goethals, B. (2015). Mining association rules in graphs based on frequent cohesive itemsets. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 9078(3), 637—648.

Kurniasari, R., & Fatmawati, A. (2019). Penerapan Algoritma C4.5 Untuk Penjurusan Siswa Sekolah Menengah Atas. Komputa : Jurnal Ilmiah Komputer Dan Informatika, 8(1), 19—27. R. C. Mikkelson (private communication).

Downloads

Published

2022-10-29

Issue

Vol. 6 No. 2 (2022): Patria Artha Technological Journal

Section

Articles

License

Authors who publish with this journal agree to the following terms:

  • The copyright of the accepted for publication articles shall be assigned to patria artha technologocal journal  as the publisher of the journal. The intended copyright includes the rights to publish articles in various forms (including reprints).
  • Patria artha technologocal journal maintain the publishing rights of the published articles.
  • Authors are permitted to republish or disseminate published articles by sharing the link/DOI of the article at patria artha technologocal journal. Authors are allowed to use their articles for any legal purposes deemed necessary without written permission from patria artha technologocal journal with an acknowledgment of initial publication to this journal.

Creative Commons License
This work is licensed under a Creative Commons Attribution 3.0 License