Prediksi kelulusan mahasiswa menggunakan metode decision tree dengan penerapan algoritma C4.5

INDONESIA:

Universitas Islam Negeri Maulana Malik Ibrahim Malang merupakan Perguruan Tinggi Negeri di Indonesia yang setiap tahunnya kuota mahasiswa yang diterima makin bertambah, namun tidak semua mahasiswa dapat lulus tepat waktu sesuai dengan masa studi yang ditempuh sehingga mengakibatkan penumpukan jumlah mahasiswa yang tidak lulus sesuai dengan masa periode kelulusannya.

Berdasarkan latar belakang tersebut penelitian dilakukan untuk membuat sebuah sistem menggunakan teknik klasifikasi yang dapat mengolah data dalam jumlah besar untuk menemukan pola yang terjadi pada data mahasiswa. Pengolahan data tersebut digunakan untuk memprediksi kelas yang belum diketahui yaitu prediksi kelulusan mahasiswa. Teknik klasifikasi yang digunakan yaitu decision tree dengan penerapan algoritma C4.5.

Inputan yang digunakan yaitu berupa atribut dari data mahasiswa meliputi asal daerah, jenis sekolah, jalur masuk, pengalaman pesantren, indeks prestasi kumulatif (IPK), dan indeks prestasi per semester mulai dari semester 1 sampai 5. Data mahasiswa tersebut merupakan data sampel training yang digunakan dalam penyusunan decision tree. Berdasarkan pada pengujian menggunakan data mahasiswa yang sudah lulus dari tahun 2005 sampai 2008, akurasi kecocokan pada sistem ini mencapai 82,79% sehingga dapat digunakan untuk memprediksi kelulusan mahasiswa yang belum diketahui.

ENGLISH:

Islamic State University of Maulana Malik Ibrahim of Malang is a public college in Indonesia that receives more increased quota of students year to year, but all of students are not able to graduate just in time in accordance with study period pursued so it results in accumulation of the number of students who are not graduated in accordance with the graduation periods.

Based on that background, the research is conducted to create a system using technique of classification which can manage data in big number to meet with pattern in students data. The data processing is used to predict unknown-yet class, that is the prediction of students graduation. Technique of classification used is decision tree with the implementation of algorithm C4.5.

Input used is an attribute of students data including the origin of region, types of school, way of university entrance, experience of pesantren, accumulative grade point average (IPK), and grade point average of each semester, from first semester up to fifth semester. That students data is training sample data used in arranging decision tree. Based on the testing that use graduated students data from 2005 up to 2008, accuracy of compatibility in this system reaches 82,79%, so it can be used to predict unknown-yet students graduation.