IMPLEMENTASI PSO UNTUK OPTIMASI BOBOT ATRIBUT PADA ALGORITMA C4.5 DALAM PREDIKSI KELULUSAN MAHASISWA

Sharazita Dyah Anggita
Ikmah Ikmah


DOI: https://doi.org/10.29100/jipi.v6i2.2440

Abstract


Ketepatan penyelesaian masa studi mahasiswa merupakan salah satu faktor yang banyak disoroti oleh perguruan tinggi. Algoritma C4.5 merupakan salah satu metode yang dapat digunakan dalam memprediksi kelulusan mahasiswa. Salah satu masalah yang yang terjadi pada data mining adalah semakin banyak penggunaan atribut, akan dapat memengaruhi tingkat akurasi dan kinerja dari algoritma. Penelitian ini akan dilakukan dengan melakukan improvement untuk dapat mengoptimasi nilai akurasi pada Algoritma C4.5. Improvement akan berfokus pada bobot yang berperan sebagai faktor kelulusan mahasiswa. Optimasi pembobotan atribut akan dilakukan menggunakan Algoritma PSO Melalui model yang diusulkan, peneliti akan melihat hasil perbandingan nilai akurasi penerapan Algoritma C4.5 dengan C4.5 yang dioptimasi dengan PSO. Hasil akurasi dari penerapan algortima C4.5 dalam menentukan status kelulusan mahasiswa sebesar 90.73%. Proses optimasi yang dilakukan untuk membobotkan atribut pada algoritma C4.5 menggunakan algoritma PSO menghasilkan nilai akurasi sebesar 97.78%. Peningkatan performa didapat dari perbandingan hasil pengujian kedua algoritma dengan peningkatan akurasi sebesar 7.05%.


Keywords


C4.5; PSO; prediksi kelulusan

Full Text:

PDF

Article Metrics :

References


E. Etriyanti, D. Syamsuar, and N. Kunang, Implementasi Data Mining Menggunakan Algoritme Naive Bayes Classifier dan C4.5 untuk Memprediksi Kelulusan Mahasiswa, Telematika, vol. 13, no. 1, pp. 5667, 2020, doi: 10.35671/telematika.v13i1.881.

A. Rohman et al., Implementasi Data Mining Dengan Algoritma Decision Tree C4 . 5 Untuk Prediksi Kelulusan Mahasiswa Di Universitas, pp. 134139, 2019.

A. Nurzahputra and M. A. Muslim, Peningkatan Akurasi Pada Algoritma C4.5 Menggunakan Adaboost Untuk Meminimalkan Resiko Kredit, Pros. SNATIF, no. 1, pp. 243247, 2017, [Online]. Available: https://media.neliti.com/media/publications/173704-ID-none.pdf.

E. N. Azizah, U. Pujianto, E. Nugraha, and Darusalam, Comparative performance between C4.5 and Naive Bayes classifiers in predicting student academic performance in a Virtual Learning Environment, 2018 4th Int. Conf. Educ. Technol. ICET 2018, no. 1, pp. 1822, 2018, doi: 10.1109/ICEAT.2018.8693928.

R. P. S. Putri and I. Waspada, Penerapan Algoritma C4.5 pada Aplikasi Prediksi Kelulusan Mahasiswa Prodi Informatika, Khazanah Inform. J. Ilmu Komput. dan Inform., vol. 4, no. 1, p. 1, 2018, doi: 10.23917/khif.v4i1.5975.

G. Kostopoulos, N. Fazakis, S. Kotsiantis, and K. Sgarbas, Multi-objective Optimization of C4.5 Decision Tree for Predicting Student Academic Performance, 10th Int. Conf. Information, Intell. Syst. Appl. IISA 2019, pp. 14, 2019, doi: 10.1109/IISA.2019.8900771.

S. Sundaramurthy and P. Jayavel, A hybrid Grey Wolf Optimization and Particle Swarm Optimization with C4.5 approach for prediction of Rheumatoid Arthritis, Appl. Soft Comput. J., vol. 94, p. 106500, 2020, doi: 10.1016/j.asoc.2020.106500.

I. S. Damanik, A. P. Windarto, A. Wanto, Poningsih, S. R. Andani, and W. Saputra, Decision Tree Optimization in C4.5 Algorithm Using Genetic Algorithm, J. Phys. Conf. Ser., vol. 1255, no. 1, 2019, doi: 10.1088/1742-6596/1255/1/012012.

F. Pramono, Didi Rosiyadi, and Windu Gata, Integrasi N-gram, Information Gain, Particle Swarm Optimation di Nave Bayes untuk Optimasi Sentimen Google Classroom, J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 3, pp. 383388, 2019, doi: 10.29207/resti.v3i3.1119.

E. Junianto and D. Riana, Penerapan PSO Untuk Seleksi Fitur Pada Klasifikasi Dokumen Berita Menggunakan NBC, vol. 4, no. 1, pp. 3845, 2017.

S. Antar, B. Vol, V. I. No, and E. Supriyadi, Metode SVM Berbasis PSO untuk Meningkatkan Prediksi Ketepatan Waktu Kelulusan Mahasiswa, no. 2, pp. 113120, 2017.

B. Ferdiansyah and L. Goeirmanto, Prediksi Loyalitas dalam Keterikatan Karyawan terhadap Perusahaan Menggunakan Algoritma C4.5* (Studi Kasus PT.XYZ), J. Sist. dan Teknol. Inf., vol. 8, no. 1, p. 87, 2020, doi: 10.26418/justin.v8i1.33606.

S. Widaningsih, Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Nave Bayes, Knn Dan Svm, J. Tekno Insentif, vol. 13, no. 1, pp. 1625, 2019, doi: 10.36787/jti.v13i1.78.