enerapan Data Mining menggunakan Metode Decision Tree C4.5 untuk Prediksi Tingkat Kelulusan Mahasiswa (Studi Kasus : STMIK WIT)

Abstract

Salah satu aspek penilaian akreditasi adalah mahasiswa dan lulusan. Tingkat kelulusan dan jumlah mahasiswa akan berpengaruh dalam
proses akreditasi yang dilakukan oleh pemerintah. Database perguruan tinggi menyimpan berbagai data, dari data tersebut apabila digali
dengan tepat maka dapat diketahui pola atau pengetahuan baru yang dapat dikembangkan untuk diterapkan pada perguruan tinggi
diantaranya mengenai potensi mahasiswa lulus tepat waktu, lulus terlambat, dan drop out. Penelitian ini menggunakan metode Knowledge
Discovery in Database (KDD) untuk menganalisis data dalam penerapan data mining, mengekstrak pengetahuan apa yang dianggap sesuai
dengan spesifikasi ukuran dan batas, menggunakan database bersama dengan preprocessing yang diperlukan, pengambilan sampel dan
transformasi dari database. Teknik data mining dapat melakukan prediksi kelulusan tepat waktu, terlambat dan drop out, yaitu menggunakan
decision tree atau pohon keputusan dengan algoritma C4.5 berdasarkan atribut IPK4, status pekerjaan, program studi, asal sekolah, jenis
kelamin, gaji orangtua dan asal daerah. Algoritma C4.5 dapat mengkonstruksi pohon keputusan yang mampu mengatasi atribut bert ipe
kontinu, mengatasi nilai yang hilang dan dapat melakukan pemangkasan pohon yang kompleks. Data yang digunakan dalam proses prediksi
adalah data mahasiswa tahun 2006 sampai dengan 2010, dan data yang digunakan untuk menguji pola prediksi adalah data mahasiswa tahun
2012.