PERBANDINGAN ALGORITMA K-NN DAN CART PADA DATA MINING PENERIMAAN BEASISWA

Rahman Rosyidi

Abstract


Abstrak - Beasiswa merupakan salah satu bantuan yang diberikan untuk seseorang dalam menunjang keberhasilan pendidikannya. Oleh sebab itu, sewajarnya beasiswa hanya diberikan kepada yang layak dan pantas mendapat beasiswa. Penulis akan membandingkan algoritma K-Nearest Neighbor (KNN) dan Classification and Regression Tress (CART) untuk memprediksi penerima beasiswa. Data yang diperlukan merupakan para mahasiswa pendaftar beasiswa STMIK AMIKOM Purwokerto pada 2015-2016 dengan jumlah data sekitar 150. Jenis kelamin, semester, IPK, pekerjaan orang tua, jumlah anggota keluarga, penghasilan orang tua, prestasi, dan status merupakan atribut dalam proses analisa. Dari perhitungan yang dilakukan, didapatkan hasil akurasi dari masing-masing algoritma yaitu 99.2958 % dengan nilai precision 0.993, recall 0.993, dan F- measure 0.993 pada algoritma KNN. Sementara pada algoritma CART didapatkan nilai akurasi sebesar 71.1268% dengan nilai precision 0.506, recall 0.711, dan F- measure 0.591.

 

KeywordsBeasiswa, Data Mining, Klasifikasi, KNN, CART

 

                                           


Full Text:

PDF

References


REFERENSI

Breimen, L., Friedman, J.H., Olshen, R.A dan Stone, C.J., Classification and Regression Trees(CART) Theory and Application, Humboldt University, Berlin, 1984.

Fiastantyo, Gian. “Perbandingan Kinerja Metode Klasifikasi Data Mining Menggunakan Naive Bayes Dan Algoritma C4.5 Untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa”, 2014.

Gorunescu, F. Data Mining Concepts, Model and Techniques. Verlag Berlin Heidelberg : Spinger, 2011.

Han, J., & Kamber, M. Data Mining Concepts, Model and Techniques 2nd Edition. San Fransisco : Elsevier, 2006

Hanik, Umi. Fuzzy Decision Tree dengan Algoritma C4.5 pada Data Diabetes Indian Pima. Tugas Akhir Periode Januari 2011. Institut Teknologi Sepuluh Nopember, 2011.

Herlawati, dkk., Penerapan Data Mining Dengan Matlab. Bandung : Rekayasa Sains, 2013

Hermawati, Fajar Astuti. Data Mining.Yogyakarta : Andi Offset, 2013

Hssina, Badr, dkk. “A Comparative Study of Decision Tree ID3 and C4.5”, 2014.

Lesmana, I Putu Dody,. 2012. “Perbandingan Kinerja Decision Tree J48 dan ID3 dalam Pengklasifikasian Diagnosis Penyakit Diabetes Mellitus”, Jurnal Teknologi dan Informatika, Vol. 2 No.2 Mei 2012.

Lestari, Mei. 2014. Penerapan Algoritma Klasifikasi Nearest Neighbor (K-NN) Untuk Mendeteksi Penyakit Jantung. Faktor Exacta 7(4) :366-371, 2014 ISSN : 1979-276X.

Ndaumanu, R.I, Kusrini, Arief, R. 2014. Analisis Prediksi Tingkat Pengunduran Diri Mahasiswa Dengan Metode K-Nearest Neighbor. Jatisi, Vol. 1 No.1 September 2014.

Prasetyo, Eko.DATA MINING –Konsep dan Aplikasi Menggunakan Matlab.Yogyakarta : Andi Offset, 2012

Setiyaji, Restu. “Perbandingan Algoritme C4.5 dengan algoritme RIPPER dalam Penentuan Beasiswa”, 2016

Sikki, Muhammad Ilyas. 2009. Pengenalan Wajah Menggunakan K-Nearest Neighbor Dengan Praproses Transformasi Wavelet. Jurnal Paradigma Vol. X No.2 Desember 2009.

Sopiah, danSangadji, E.M., Metodologi Penelitian- Pendekatan Praktis dalam Penelitian. Yogyakarta :Andi Offset, 2010

Susanto, S., dan Suryadi, D. PENGANTAR DATA MINING Menggali Pengetahuan dari Bongkahan Data. Yogyakarta : Andi Offset, 2010

Utomo, Hengky Setiawan. “Perbandingan Kinerja Algoritme C4.5 dan Naive Bayes dalam Mengklasifikasi Penyakit Diabetes”, 2016

WEKA, Machine Learning Group at University of Wakaito, diambil dari www.cs.waikato.ac.nz/ml/weka/, 25 Oktober 2016.

Wicaksana, Paulus Dian. “Perbandingan Algoritma K-Nearest Neighbor dan Naive Bayes untuk Studi Data Wincosin Diagnosis Breast Cancer”, 2015

S. M. Metev and V. P. Veiko, Laser Assisted Microtechnology, 2nd ed., R. M. Osgood, Jr., Ed. Berlin, Germany: Springer-Verlag, 1998.

J. Breckling, Ed., The Analysis of Directional Time Series: Applications to Wind Speed and Direction, ser. Lecture Notes in Statistics. Berlin, Germany: Springer, 1989, vol. 61.

S. Zhang, C. Zhu, J. K. O. Sin, and P. K. T. Mok, “A novel ultrathin elevated channel low-temperature poly-Si TFT,” IEEE Electron Device Lett., vol. 20, pp. 569–571, Nov. 1999.

M. Wegmuller, J. P. von der Weid, P. Oberson, and N. Gisin, “High resolution fiber distributed measurements with coherent OFDR,” in Proc. ECOC’00, 2000, paper 11.3.4, p. 109.

R. E. Sorace, V. S. Reinhardt, and S. A. Vaughn, “High-speed digital-to-RF converter,” U.S. Patent 5 668 842, Sept. 16, 1997.

(2002) The IEEE website. [Online]. Available: http://www.ieee.org/

M. Shell. (2002) IEEEtran homepage on CTAN. [Online]. Available: http://www.ctan.org/tex-archive/macros/latex/contrib/supported/IEEEtran/




DOI: https://doi.org/10.24114/cess.v4i2.13404

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License