PREDIKSI KINERJA SISWA MENGGUNAKAN ALGORITMA K-MEANS DAN ALOGARITMA DECISION TREE C4.5

Prasojo, Margi (2023) PREDIKSI KINERJA SISWA MENGGUNAKAN ALGORITMA K-MEANS DAN ALOGARITMA DECISION TREE C4.5. Masters thesis, IIB Darmajaya.

	Text Cover.pdf Download (55kB)
	Text DAFTAR ISI.pdf Download (272kB)
	Text DAFTAR PUSTAKA.pdf Download (133kB)
	Text ABSTRAK.pdf Download (122kB)
	Text Pengesahan.pdf Download (56kB)
	Text Persetujuan.pdf Download (56kB)
	Text BAB I PENDAHULUAN.pdf Download (140kB)
	Text BAB II TINJAUAN PUSTAKA.pdf Download (1MB)
	Text BAB III METODOLOGI PENELITIAN.pdf Download (106kB)
	Text BAB IV PEMBAHASAN DAN HASIL.pdf Download (1MB)
	Text Data Set Student Performance in Exam Clust 0 - 1 Clustering.pdf Download (161kB)

Abstract

Pendidikan merupakan suatu kebutuhan yang penting bagi kehidupan setiap individu, sehingga akses terhadap layanan pendidikan merupakan keniscayaan yang mutlak ada diseluruh dunia. Kebutuhan pendidikan bagi masyarakat sangat menjadi perhatian lembaga-lembaga dunia, pada tahun 2019 UNICEF mengadvokasi pendidikan dasar yang berkualitas tinggi dan ramah anak untuk semua, sejalan dengan ambisi Agenda Pendidikan Global 2030. Namun terjadi juga di beberapa negara berkembang bahwa tingkat kinerja atau prestasi siswa sangat dipengaruhi faktor – faktor tertentu yang berkait erat terhadap siswa itu sendiri antara lain faktor : gender(jenis kelamin), ethnicity(suku bangsa), parental level of education, lunch(pemenuhan kebutuhan makan yang berkait dengan tingkat gizi), test preparation course, math score, reading score, writing score. Tujuan dari penelitian ini adalah untuk menghasilkan model alogaritma yang memiliki akurasisangat tinggi akurasi prediksi kinerja/prestasi siswa dengan menggunakan algoritma K-Means dan algoritma Decision Tree C4.5 menggunakan tool Rapid Miner. Berdasarkan hasil penelitian yang dilakukan penelitisebelumnya maka masih perlu dikembangkan lagi agar prediksi kinerja siswa mendapatkan tingkat akurasi yang tinggi sehingga untuk mencapai hal tersebut peneliti menggunakan alogaritma clustering untuk segmentasi dan algoritma Decision Tree C4.5, dari hasil pengujian pada penelitian performansi akurasi Decision Tree C4.5 didapatkan nilai accuracy 94,50 %, precision 92,19%, dan nilai AUC 0, 942. Kinerja algoritma pada penelitian inimenunjukkan performa yang sangat baik sekali dan tingkat akurasi yang sangat tinggi . Kata Kunci : Prediksi, Segmentasi, Kinerja Siswa, K-Means , Decision Tree C4.5

Item Type:	Thesis (Masters)
Subjects:	Ilmu Komputer eTheses
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	editor 1
Date Deposited:	30 May 2023 06:53
Last Modified:	30 May 2023 06:53
URI:	http://repo.darmajaya.ac.id/id/eprint/11935

Actions (login required)

View Item