- Book学术

发布求助

文献互助智能选刊最新文献

JURNAL ILMIAH ILMU KOMPUTER Pub Date : 2022-10-01 DOI:10.35329/jiik.v8i2.242

Salmawati Samasil, Yuyun Yuyun, Hazriani Hazriani

{"title":"KLASIFIKASI MAHASISWA BERPOTENSI DROP OUT MENGGUNAKAN ALGORITMA NAIVE BAYES DAN DECISION TREE","authors":"Salmawati Samasil, Yuyun Yuyun, Hazriani Hazriani","doi":"10.35329/jiik.v8i2.242","DOIUrl":null,"url":null,"abstract":"Seiring perkembangan dunia pendidikan Indonesia, Perguruan Tinggi Negeri maupun Perguruan Tinggi Swasta bersaing begitu ketat dalam memberikan performanya dalam mencetak lulusan-lulusan berkualitas. Salah satu indikator kegagalan mahasiswa adalah kasus Drop Out. Dengan menggunakan data mining algoritma naive bayes dan decision tree dapat dilakukan klasifikasi mahasiswa berpotensi drop out. Parameter yang digunakan yaitu, jenis kelamin, IPK, SKS, penghasilan orang tua, jenis tempat tinggal dan jenis transformasi. Mahasiswa yang telah lulus/drop out angkatan 2010-2014 sebanyak 1155 data dijadikan sebagai data training dan data testing. Perbandingan algoritma vaive bayes dan decision tree menghasilkan masing-masing nilai akurasi 97,83% dan 99,13%. Dengan nilai rata-rata precision dan recall yaitu 61,54% dan 100% untuk algoritma naive bayes serta 84,61% dan 100% untuk algoritma decision tree. Nilai rata rata f1-score algoritma naive bayes sebesar 76,19% dan decision tree sebesar 91,67%. Algoritma decision tree memiliki hasil peforma lebih tinggi dari algoritma Naive Bayes. Sehingga algoritma decision tree merupakan algoritma paling baik. Decision tree menghasilkan 11 rule dengan atribut IPK sebagai akarnya. Itu artinya IPK merupakan faktor paling berpengaruh","PeriodicalId":17755,"journal":{"name":"JURNAL ILMIAH ILMU KOMPUTER","volume":"63 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JURNAL ILMIAH ILMU KOMPUTER","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35329/jiik.v8i2.242","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

摘要

随着印尼教育的发展，公立大学和私立大学在培养高质量毕业生方面的优秀成绩方面存在着激烈的竞争。学生失败的一个指标是退学。通过数据挖掘算法naive bayes和decision tree，我们可以对潜在的学生分类进行处理。使用的参数包括性别、gpa、SKS、父母收入、住所类型和转型类型。毕业/ 2014届学生，共有1155人的数据用于培训和测试数据。vaive bayes和decision tree的比较算法分别产生97.83%和99.13%的准确率。准确值和回收值为61.54%，100%的naive bayes算法和84.61%，100%的decision tree算法。f1-score算法naive bayes的平均得分为76.19%，树的decision为91.67%。decision tree算法的效用比Naive Bayes算法还高。所以decision tree算法是最好的算法。Decision tree将产生11条规则，其中IPK属性为其根。这意味着gpk是影响最大的因素

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文本刊更多论文

KLASIFIKASI MAHASISWA BERPOTENSI DROP OUT MENGGUNAKAN ALGORITMA NAIVE BAYES DAN DECISION TREE

Seiring perkembangan dunia pendidikan Indonesia, Perguruan Tinggi Negeri maupun Perguruan Tinggi Swasta bersaing begitu ketat dalam memberikan performanya dalam mencetak lulusan-lulusan berkualitas. Salah satu indikator kegagalan mahasiswa adalah kasus Drop Out. Dengan menggunakan data mining algoritma naive bayes dan decision tree dapat dilakukan klasifikasi mahasiswa berpotensi drop out. Parameter yang digunakan yaitu, jenis kelamin, IPK, SKS, penghasilan orang tua, jenis tempat tinggal dan jenis transformasi. Mahasiswa yang telah lulus/drop out angkatan 2010-2014 sebanyak 1155 data dijadikan sebagai data training dan data testing. Perbandingan algoritma vaive bayes dan decision tree menghasilkan masing-masing nilai akurasi 97,83% dan 99,13%. Dengan nilai rata-rata precision dan recall yaitu 61,54% dan 100% untuk algoritma naive bayes serta 84,61% dan 100% untuk algoritma decision tree. Nilai rata rata f1-score algoritma naive bayes sebesar 76,19% dan decision tree sebesar 91,67%. Algoritma decision tree memiliki hasil peforma lebih tinggi dari algoritma Naive Bayes. Sehingga algoritma decision tree merupakan algoritma paling baik. Decision tree menghasilkan 11 rule dengan atribut IPK sebagai akarnya. Itu artinya IPK merupakan faktor paling berpengaruh

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

JURNAL ILMIAH ILMU KOMPUTER

自引率

0.00%

发文量