IMPLEMENTASI ALGORITMA C5.0 DALAM MENGANALISA KELAYAKAN PENERIMA KERINGANAN UKT MAHASISWA ITK

Rizkya Nur Amalda, Nashrul Millah, Irma Fitria

Sari


COVID-19 tidak hanya merugikan dari sisi kesehatan saja, namun juga melemahkan berbagai sektor di Indonesia, khususnya sektor ekonomi. Kebijakan pemerintah yang membatasi aktivitas masyarakat berimbas pada melemahnya kegiatan ekonomi. Hal ini selaras dengan banyaknya pengajuan banding UKT (Uang Kuliah Tunggal) dari mahasiswa Institut Teknologi Kalimantan (ITK). Pihak birokrat telah memfasilitasi mahasiswa yang ingin mengajukan keringanan UKT. Namun, proses pengajuan tersebut masih dilakukan secara manual dan rentan terjadi human error. Dalam menganalisa pengajuan tersebut, diperlukan suatu metode yang dapat membantu dalam memberikan keputusan apakah pengajuan tersebut layak diterima atau tidak, salah satunya dengan metode Algoritma C5.0. Algoritma C5.0 merupakan algoritma decision tree yang dapat menganalisa data menjadi sekumpulan aturan yang nantinya dapat dijadikan masukan dalam pengambilan keputusan. Diharapkan dengan adanya sistem ini mampu membantu pihak ITK dalam mengambil keputusan dan menentukan besaran UKT secara lebih tepat dan objektif. Berdasarkan hasil evaluasi terhadap 108 data mahasiswa ITK yang mengajukan banding UKT diperoleh akurasi sebesar 91% pada sistem pengambilan keputusan, sedangkan pada sistem penentu UKT diperoleh akurasi sebesar 80%. Algoritma C5.0 menghasilkan pohon keputusan dengan 4 aturan klasifikasi pada sistem pengambilan keputusan dan 21 aturan klasifikasi pada sistem penentu UKT.

Teks Lengkap:

PDF

Referensi


Benediktus, N., & Oetama, R. S. (2020). Algoritma klasifikasi decision tree c5.0 untuk memprediksi performa akademik siswa. 14 ULTIMATICS, 12(1). https://www.kaggle.com/aljarah/xAPI-Edu-Data

Hadi, F. (2017). Penerapan data mining dalam menganalisa pemberian pinjaman dengan menggunakan metode algoritma c5.0 (studi kasus : koperasi jasa keuangan syariah kelurahan lambung bukik). Jurnal Komputer Teknologi Informasi, 4(2), 214–223.

Hutabarat, C. (2018). Penerapan data mining untuk memprediksi permintaan produk kartu perdana internet menggunakan algoritma c5.0 (studi kasus: vidha ponsel). Jurnal Pelita Informatika, 6(4), 419–424.

Itiqomah, F., Susanti, Y., & Zukhronah, E. (2019). Klasifikasi status kredit nasabah bmt menggunakan algoritma c5.0. Seminar & Conference Procedings, 73–78. http://jurnal.umt.ac.id/index.php/cpu/article/view/1684

Jalil, A., Kasnelly, S., & Studi Ekonomi Syariah Sekolah Tinggi Agama Islam An-Nadwah Kuala Tungkal, P. (2020). Meningkatnya Angka Pengangguran Ditengah Pandemi (COVID-19). Al-Mizan : Jurnal Ekonomi Syariah, 3(1), 45–60. http://www.ejournal.an-nadwah.ac.id/index.php/almizan/article/view/142

Kastawan, P. W., Wiharta, D. M., & Sudarma, M. (2018). Implementasi algoritma c5.0 pada penilaian kinerja pegawai negeri sipil. Majalah Ilmiah Teknologi Elektro, 17(3), 371. https://doi.org/10.24843/mite.2018.v17i03.p11

Larytasari, L. A., Susanti, Y., & Respatiwulan. (2019). Penentuan ukt mahasiswa uns dengan algoritma iterative dichotomiser three dan classification version 4.5. Seminar & Conference Proceedings, 94-100. https://jurnal.umt.ac.id/index.php/cpu/article/view/1687

Makih, A. (2019). Algoritma predikat pegawai dengan tiga variabel menggunakan fuzzy inference system tsukamoto. 100. https://doi.org/10.31227/osf.io/gkje5

Manik, R., Pristiwanto., & Tampubolon, K. (2018). Prediksi kolektibilitas kredit anggota dengan algoritma c5.0 (studi kasus : cu damai sejahtera medan). Jurnal Riset Komputer (JURIKOM), 5(2), 151–160.

Manurung, M. A. (2020). Implementasi data mining algoritma c5.0 dalam sertifikasi produk pengguna tanda sni pada air minum dalam kemasan (studi kasus : balai riset dan standardisasi industri medan). Journal of Computer System and Informatics (JoSYC), 1(3), 199–206.

Marcania, M. (2019). Prediksi pengangkatan karyawan dengan metode klasifikasi algoritma c5.0 (studi kasus pt. kiyokuni indonesia factory-2). Thesist, 0, 71.

Nugroho, K. S. (2019). Confusion matrix untuk evaluasi model pada supervised learning. Diakses dari: https://ksnugroho.medium.com/confusion-matrix-untuk-evaluasi-model-pada-unsupervised-machine-learning-bc4b1ae9ae3f

Pardede, M., Buulolo, E., & Ndruru, E. (2019). Implementasi algoritma c5.0 pada kelulusan peserta ujian kemahiran berbahasa indonesia (ukbi) pada balai bahasa sumatera utara. KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 3(1), 64–72. https://doi.org/10.30865/komik.v3i1.1569

Putri, Y. R., Mukhlash, I., & Hidayat, N. (2016). Prediksi pola kecelakaan kerja pada perusahaan non ekstraktif menggunakan algoritma decision tree: c4.5 dan c5.0. Jurnal Sains Dan Seni Pomits, 2(1), 1-6.

Rahmayanti, V., Azhar, Y., & Pramudita, A. E. (2020). Penerapan algoritma c5.0 pada analisis faktor-faktor pengaruh kelulusan tepat waktu mahasiswa teknik informatika UMM. Jurnal Repositor, 1(2), 131. https://doi.org/10.22219/repositor.v1i2.545

Riadi, M., Azhar, Y., & Wicaksono, G. W. (2020). Implementasi algoritma c5.0 dan k-medoids untuk klasterisasi ibu hamil beresiko tinggi. Jurnal Repositor, 2(4), 511. https://doi.org/10.22219/repositor.v2i4.696

Rizaty, M. A. (2021). Bps: tingkat pengangguran anak muda semakin tinggi saat pandemi. Diakses dari: https://databoks.katadata.co.id/datapublish/2021/08/31/bps-tingkat-pengangguran-anak-muda-semakin-tinggi-saat-pandemi

W., Y. Y. (2007). Perbandingan performansi algoritma decision tree c5.0, cart, dan chaid: kasus prediksi status resiko kredit di bank x. Seminar Nasional Aplikasi Teknologi Informasi (SNATI), 0(0), 1907–5022. https://journal.uii.ac.id/Snati/article/view/1628




DOI: http://dx.doi.org/10.25157/teorema.v7i1.6692

Refbacks

  • Saat ini tidak ada refbacks.


##submission.copyrightStatement##

Laman Teorema: https://jurnal.unigal.ac.id/index.php/teorema/index

Terindek: