IMPLEMENTASI DATA MINING UNTUK MENGETAHUI MINAT SISWA TERHADAP PERGURUAN TINGGI
DOI:
https://doi.org/10.55606/jutiti.v2i1.450Keywords:
data mining, minat, perguruan tinggi, prediksi, smoAbstract
Perguruan Tinggi merupakan sebuah tempat belajar lebih lanjut setelah menyelesaikan pendidikan sekolah menengah atas atau sekolah menengah kejuruan. Banyaknya Perguruan Tinggi, khususnya swasta menjadikan persaingan untuk menarik minat calon mahasiswa. Hal ini membuat setiap Perguruan Tinggi berlomba dalam membuat sebuah inovasi mulai dari teknik pembelajaran, fasilitas, laboratorium dan masih banyak lagi. Oleh karena itu, dilakukan sebuah prediksi minat calon mahasiswa dengan melibatkan beberapa faktor pendorong seorang calon mahasiswa untuk memilih sebuah Perguruan Tinggi dengan maksud supaya Perguruan Tinggi lebih tepat dalam mengambil keputusan untuk proses pengembangan. Pada penelitian ini, dataset diambil melalui teknik wawancara kepada subject penelitian sebanyak 100 orang. Proses pengolahan data menggunakan aplikasi WEKA, dan validasi menggunakan teknik Cross Validation dengan K=10. Atribut yang digunakan pada penelitian ini sebanyak 7 buah atribut ditambah 1 atribut kelas. Algoritma yang diusulkan adalah Sequential Minimal Optimization yang berhasil mengklasifikasikan data dengan perolehan akurasi sebesar 0,9. Algoritma yang digunakan untuk proses komparasi mendapatkan nilai lebih baik sebesar 0,92 menggunakan Decision Tree.
References
H. Noviyanto and B. Mukti, “IMPLEMENTASI ALGORITME NAÏVE BAYES UNTUK MENENTUKAN KELAYAKAN CALON PENERIMA BEASISWA,” vol. 1, no. 2, pp. 7–12,
C. Nas, “Data Mining Prediksi Minat Calon Mahasiswa Memilih Perguruan Tinggi Menggunakan Algoritma C4.5,” J. Manaj. Inform., vol. 11, no. 2, pp. 131–145, 2021, doi:
34010/jamika.v11i2.5506. [3] M. Fakhri et al., “Analisis Faktor Pembentuk Keputusan Pemilihan Perguruan Tinggi Swasta Universitas Telkom (Studi Pada Mahasiswa Prodi S1 Administrasi Bisnis Fakultas,” Bisnis Entrep., vol. 11, no. 1, pp. 1–12, 2017, [Online]. Available: https://www.neliti.com/publications/77086/analisis-faktor-pembentuk-keputusan-pemilihanperguruan-tinggi-swasta-universita.
D. R. Sari, A. P. Windarto, D. Hartama, and S. Solikhun, “Decision Support System for Thesis Graduation Recommendation Using AHP-TOPSIS Method,” J. Teknol. dan Sist. Komput., vol. 6, no. 1, pp. 1–6, 2018, doi: 10.14710/jtsiskom.6.1.2018.1-6.
A. Yobioktabera, “Penerapan Data Mining Untuk Memprediksi Penerimaan Calon Mahasiswa Baru Fakultas Kedokteran Menggunakan Algoritma K-NN,” JTET (Jurnal Tek. Elektro Ter., pp. 16–19, 2021, [Online]. Available: https://jurnal.polines.ac.id/index.php/jtet/article/view/2550.
Z. Situmorang, S. Mandasari, Y. Franciska, K. Andriyani, and P. S. Ramadhan, “Algoritma C45 Dalam Memprediksi Minat Calon Mahasiswa,” J. Sci. Soc. Res., vol. 5, no. 1, p. 125, 2022, doi: 10.54314/jssr.v5i1.809.
B. Budiman, “Perbandingan Algoritma Klasifikasi Data Mining untuk Penelusuran Minat Calon Mahasiswa Baru,” Nuansa Inform., vol. 15, no. 2, pp. 37–52, 2021, doi: 10.25134/nuansa.v15i2.4162.
G. W. N. Wibowo and M. A. Manan, “Penerapan Algoritma Naive Bayes Untuk Prediksi Heregistrasi Calon Mahasiswa Baru,” JTINFO J. Tek. …, vol. 1, no. 1, pp. 1–10, 2022, [Online]. Available: https://journal.unisnu.ac.id/JTINFO/article/view/126.
A. Damayanti, “Algoritma Naïve Bayes Untuk Prediksi Jumlah Pendaftar Ulang Pada PenerimaanMahasiswa Baru,” J. Multi Media dan IT, vol. 5, no. 1, pp. 2–6, 2019, doi: 10.46961/jommit.v3i2.338.
R. Fitriawanti, I. Cholissodin, and R. K. Dewi, “Klasifikasi dan Rekomendasi Jurusan Kuliah Bagi Pelajar SMA Menggunakan Algoritme Naïve Bayes -WP,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 11, pp. 4914–4922, 2018, [Online]. Available: http://jptiik.ub.ac.id/index.php/j-ptiik/article/view/3129.
B. Santosa, “Tutorial Support Vector Machine 1 Ide Dasar Support Vector Machine,” pp. 1–23, 2011.
E. Frank, M. A. Hall, and I. H. Witten, “The WEKA workbench,” Data Min., pp. 553–571, 2017, doi: 10.1016/b978-0-12-804291-5.00024-6.
