IMPLEMENTASI CORRELATION BASED FEATURE SELECTION (CFS) UNTUK PENINGKATAN AKURASI ALGORITMA C4.5 DALAM PREDIKSI PERFORMA AKADEMIK MAHASISWA BERBASIS LEARNING MANAGEMENT SYSTEM

Jurnal Ilmiah Betrik Pub Date : 2022-08-16 DOI:10.36050/betrik.v13i2.523

Rizky Aspiah, Taghfirul Azhima Yoga Siswa

{"title":"IMPLEMENTASI CORRELATION BASED FEATURE SELECTION (CFS) UNTUK PENINGKATAN AKURASI ALGORITMA C4.5 DALAM PREDIKSI PERFORMA AKADEMIK MAHASISWA BERBASIS LEARNING MANAGEMENT SYSTEM","authors":"Rizky Aspiah, Taghfirul Azhima Yoga Siswa","doi":"10.36050/betrik.v13i2.523","DOIUrl":null,"url":null,"abstract":"Pandemi covid-19 pada aspek pendidikan berdampak pada sistem pembelajaran. Universitas Muhammadiyah Kalimantan Timur memanfaatkan platform OpenLearning sebagai media untuk mendukung pembelajaran secara online. Pada penelitian ini dilakukan prediksi performa mahasiswa UMKT dalam perkuliahan online menggunakan pendekatan data mining. Dataset yang di gunakan berasal dari platform OpenLearning dan Bagian Administrasi Akademik yang memuat record sebanyak 2.663 data. Penelitian ini bertujuan untuk mengidentifikasi atribut terbaik, implementasi pemodelan algoritma C4.5, dan mengevaluasi algoritma pemodelan menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa indikator yang berpengaruh antara lain time spent on course, course completed, tugas, quiz, uts dan label. Implementasi algoritma C4.5 menghasilkan pohon keputusan di node awal variabel quiz dengan rank ≤ -0.80 masuk dalam kelompok true, tetapi jika rank ≥ -0.80 masuk dalam kelompok false. Hasil akurasi menggunakan pembagian data 80% data training dan 20% data testing sebesar 97,22%.","PeriodicalId":127381,"journal":{"name":"Jurnal Ilmiah Betrik","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-08-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Ilmiah Betrik","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36050/betrik.v13i2.523","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Pandemi covid-19 pada aspek pendidikan berdampak pada sistem pembelajaran. Universitas Muhammadiyah Kalimantan Timur memanfaatkan platform OpenLearning sebagai media untuk mendukung pembelajaran secara online. Pada penelitian ini dilakukan prediksi performa mahasiswa UMKT dalam perkuliahan online menggunakan pendekatan data mining. Dataset yang di gunakan berasal dari platform OpenLearning dan Bagian Administrasi Akademik yang memuat record sebanyak 2.663 data. Penelitian ini bertujuan untuk mengidentifikasi atribut terbaik, implementasi pemodelan algoritma C4.5, dan mengevaluasi algoritma pemodelan menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa indikator yang berpengaruh antara lain time spent on course, course completed, tugas, quiz, uts dan label. Implementasi algoritma C4.5 menghasilkan pohon keputusan di node awal variabel quiz dengan rank ≤ -0.80 masuk dalam kelompok true, tetapi jika rank ≥ -0.80 masuk dalam kelompok false. Hasil akurasi menggunakan pembagian data 80% data training dan 20% data testing sebesar 97,22%.

查看原文本刊更多论文

covid-19的教育大流行影响了学习系统。东加里曼丹大学Muhammadiyah利用开放学习平台作为一种媒体来支持在线学习。在这个研究预测学生成绩UMKT在线讲座中使用数据挖掘的方法。在正在使用的数据集来自OpenLearning平台的学术和行政部分包含多达2.663数据记录。本研究旨在确定最好的属性,实现建模算法C4。5,以及评估矩阵算法建模使用混乱。研究结果表明,有影响力的指标之间的时间花在课程,其他课程completed、责任、测验、期中考试和标签。C4。5产生决策树算法实现在早期节点的变量测验排名≤0。80进入真实的群体,但如果兰克≥0。80进入虚假的群体。使用数据对80%的培训数据和20%的测试结果为97.22%。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Jurnal Ilmiah Betrik

自引率

0.00%

发文量