Analisa Pola Kelulusan Mahasiswa Pada Sekolah Tinggi Manajemen Informatika & Komputer ASIA Malang Dengan Menggunakan Algoritma Iterative Dichotomiser 3 (ID3)

Authors

  • Dwi Anggih Yosepta
  • Tria Aprilianto

DOI:

https://doi.org/10.31961/positif.v3i1.398

Keywords:

Analisa Pola Kelulusan, Kelulusan Mahasiswa STMIK ASIA Malang, ID3

Abstract

Sekolah Tinggi Manajemen Informatika & Komputer ASIA Malang merupakan salah satu sekolah tinggi yang berada dalam lingkup pembinaan Kopertis Wilayah VII Jawa Timur yang dituntut untuk dapat menghasilkan lulusan dengan mutu yang baik. Tetapi kenyataannya tingkat kelulusan pada setiap angkatan masih terbilang cukup rendah bahkan tidak sedikit mahasiswa yang harus di dropout. Berdasarkan data mahasiswa lulus angkatan 2008-2011, rata-rata kelulusan mahasiswa sebesar 47%. Penelitian ini bertujuan untuk menganalisa pola kelulusan mahasiswa berdasarkan data induk mahasiswa serta riwayat perkuliahannya.

Algoritma ID3 atau Iterative Dichotomiser 3 merupakan algoritma yang dapat digunakan untuk menganalisa pola kelulusan mahasiswa. Analisa dilakukan dengan cara menghitung entropy dan information gain pada setiap atribut yang selanjutnya membentuk pohon keputusan. 

Hasil penelitian ini diperoleh pola kelulusan mahasiswa yang kemudian dapat di generate menjadi pohon keputusan. Atribut yang mempengaruhi kelulusan mahasiswa adalah Indeks Prestasi Semester. Dari 1089 data yang digunakan untuk penelitian dihasilkan 27 pola/rule dan tingkat akurasi yang dihasilkan oleh perangkat lunak cukup baik yaitu 99,39% dengan pengujian yang dilakukan terhadap 163 dataset yang diambil secara acak. Sedangkan pengujian dengan data baru dihasilkan akurasi sebesar 100% dengan menguji 69 data.

Downloads

Download data is not yet available.

References

Ladjamudin, A. B. B. (2005). Analisis dan desain sistem informasi. Yogyakarta: Graha Ilmu.

Asda Bramer, M. (2007). Principles of Data Mining London: Springer.

Beynon-Davies, P. (2004). Database systems (p. 61). Basingstoke, UK: Palgrave Macmillan.

Defiyanti, S., & Pardede, D. L. (2010). Perbandingan kinerja Algoritma ID3 dan C4. 5 dalam klasifikasi spam-mail. Skripsi Program Studi Sistem Komputer.

Gorunescu, F. (2011). Data Mining: Concepts, models and techniques (Vol. 12). Springer Science & Business Media.

Han, J., Pei, J., & Kamber, M. (2011). Data mining: concepts and techniques. Elsevier.



Hermawati, F. A. Data Mining. 2013. Andi: Yogyakarta.

Hoffer, J. A., Ramesh, V., & Topi, H. (2016). Modern database management , 11/e.New Jersey. Prentice Hall.

Jogiyanto, H. M. (2005). Analisis dan Desain Sistem Informasi. Pendekatan Terstruktur Teori dan Praktek Aplikasi Bisnis. Yogyakarta. Andi Publishing.

Kristanto, A. (2003). Perancangan sistem informasi dan aplikasinya. Yogyakarta: Gava Media.

Kusrini, E. T. L. (2009). Algoritma Data Mining. Yogyakarta: Andi Offset.

Nugroho, S., Kristanto, H., & Oslan, Y. (2007). Validitas Suatu Alamat Menggunakan Decision Tree Dengan Algoritma Id3. Informatika: Jurnal Teknologi Komputer dan Informatika, 3(1).

Pramudiono, I. (2007). Pengantar Data Mining: Menambang Permata Pengetahuan di Gunung Data. IlmuKomputer. Com,[Online]. Available: http://www. ilmukomputer. org/wp-content/uploads/2006/08/iko-datamining. zip.[Använd 05 Juni 2017].

Prasetyo, E. (2012). Data Mining Konsep dan aplikasi menggunakan matlab. Yogyakarta: Andi.

Santosa, B. (2007). Data mining teknik pemanfaatan data untuk keperluan bisnis. Yogyakarta: Graha Ilmu, 978(979), 756.

Sudirman. (2012). Implementasi Teknik Data Mining Classification Dengan Metode Decission Tree Untuk Menentukan Tingkat Kelulusan Mahasiswa. Surabaya. Prosiding Seminar Nasional Manajemen Teknologi XVI

Turban, E., Aronson, J. E., & Liang, T. P. (2007). Decision Support Systems and Intelligent Systems (Sistem Pendukung Keputusan dan Sistem Cerdas) edisi ketujuh jilid 1. Yogjakarta: Andi Offset.

Widodo, P. P., & Handayanto, R. T. (2013). Penerapan Data Mining Dengan Matlab. Bandung: Rekayasa Sains.

Witten, I. H., & Frank, E. (2000). Data Mining: Practical machine learning tools and techniques with java implementations. Morgan Kaufmann.

Witten, I. H., & Frank, E. (2005). Data Mining: Practical machine learning tools and techniques Second Edition. Morgan Kaufmann.

Downloads

Published

2017-07-08

How to Cite

Yosepta, D. A., & Aprilianto, T. (2017). Analisa Pola Kelulusan Mahasiswa Pada Sekolah Tinggi Manajemen Informatika & Komputer ASIA Malang Dengan Menggunakan Algoritma Iterative Dichotomiser 3 (ID3). POSITIF : Jurnal Sistem Dan Teknologi Informasi, 3(1), 47–55. https://doi.org/10.31961/positif.v3i1.398

Issue

Vol. 3 No. 1 (2017): POSITIF - Jurnal Sistem dan Teknologi Informasi

Section

Articles

License

Authors who publish with Positif : Jurnal Sistem dan Teknologi Informasi agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.

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