Analisis Perbandingan Algoritma C.45 dan Support Vector Machine (SVM) untuk Klasifikasi Jurusan Siswa di SMA Negeri 15 Pekanbaru
Comparative Analysis Of C.45 Algorithm and Support Vector Machine (SVM) for Student Department Classification at SMA Negeri 15 Pekanbaru
Keywords:
C4.5, Data Mining, Klasifikasi, Penjurusan Siswa, SVMAbstract
Peminatan jurusan merupakan suatu keputusan yang dilakukan oleh peserta didik baru untuk memilih jurusan “IPA” dan “IPS” yang ada pada siswa. Salah satu sekolah menengah atas yang menggunakan sistem penjurusan ini yaitu SMA Negeri 15 Pekanbaru dengan jurusan yang tersedia yaitu jurusan IPA dan IPS. Sistem seperti ini sangat efektif dilakukan, jika sebelumnya siswa tersebut telah memiliki persiapan dan pengetahuan mengenai jurusan yang akan dipilih. Namun sebaliknya, jika siswa tersebut belum mengetahui arah kemampuan mengenai jurusan yang akan dipilih maka siswa tersebut akan kebingungan dalam memilih jurusan dan bisa berakibat pada salah ambil jurusan. Penelitian ini bertujuan untuk megklasifikasi jurusan siswa SMAN 15 Pekanbaru dengna membandingkan algortima C4.5 dan SVM. Sehingga dihasilkan nilai akurasi terbaik untuk data ini yaitu algoritma SVM sebesar 65% dan disusul algoritma C4.5 sebesar 56%.
References
I. W. C. Sujana, “Fungsi Dan Tujuan Pendidikan Indonesia,” Adi Widya J. Pendidik. Dasar, vol. 4, no. 1, p. 29, 2019, doi: 10.25078/aw.v4i1.927.
D. Apriadi and R. Kuswandhie, “Sistem Pendukukung Keputusan Penentuan Jurusan Pada Sma Bina Satria,” JUSIM (Jurnal Sist. Inf. Musirawas), vol. 5, no. 02, pp. 87–95, 2020, doi: 10.32767/jusim.v5i02.970.
S. M. Monalisa and F. Hadi, “Algoritma C4.5 dalam Penentuan Jurusan Siswa Baru,” Ultim. J. Tek. Inform., vol. 12, no. 2, pp. 108–113, 2020, doi: 10.31937/ti.v12i2.1838.
V. Anestiviya, A. Ferico, and O. Pasaribu, “Analisis Pola Menggunakan Metode C4.5 Untuk Peminatan Jurusan Siswa Berdasarkan Kurikulum (Studi Kasus?: Sman 1 Natar),” J. Teknol. dan Sist. Inf., vol. 2, no. 1, pp. 80–85, 2021, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI
E. B. Sambani and F. Nuraeni, “Penerapan Algoritma C4.5 Untuk Klasifikasi Pola Penjurusan di Sekolah Menengah Kejuruan (SMK) Kota Tasikmalaya,” CSRID (Computer Sci. Res. Its Dev. Journal), vol. 9, no. 3, p. 144, 2018, doi: 10.22303/csrid.9.3.2017.144-152.
A. M. Fadlillah and D. Ruhjatini, “Edukasi Perencanaan Karier bagi Pelajar SMA di Kecamatan Limo , Depok Career Planning Education for High School Students in Kecamatan Limo , Depok,” J. Mitra, vol. 3, pp. 164–178, 2019.
R. Adha, N. Nurhaliza, U. Sholeha, and M. Mustakim, “Perbandingan Algoritma DBSCAN dan K-Means Clustering untuk Pengelompokan Kasus Covid-19 di Dunia,” SITEKIN J. Sains, Teknol. dan Ind., vol. 18, no. 2, pp. 206–211, 2021.
A. Qurotul, E. Tasia, N. Nazira, P. F. Pratama, M. R. Anugrah, and J. Adhiva, “Implementasi Algoritma Naïve Bayes Classifier ( NBC ) untuk Klasifikasi Penyakit Ginjal Kronik,” vol. 4, no. September, pp. 72–76, 2022, doi: 10.30865/json.v4i1.4781.
H. Annur, “Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes,” Ilk. J. Ilm., vol. 10, no. 2, pp. 160–165, 2018, doi: 10.33096/ilkom.v10i2.303.160-165.
R. Kurniasari and A. Fatmawati, “Penerapan Algoritma C4.5 Untuk Penjurusan Siswa Sekolah Menengah Atas,” Komputa J. Ilm. Komput. dan Inform., vol. 8, no. 1, pp. 19–27, 2019, doi: 10.34010/komputa.v8i1.3045.
P. K. Handayani, “Penerapan Algoritma Support Vector Machine (Svm) Untuk Analisis Pola Klasifikasi Pada Parkinson’S Dataset,” Indones. J. Technol. Informatics Sci., vol. 3, no. 1, pp. 31–35, 2021, doi: 10.24176/ijtis.v3i1.7530.
K. Ganjar Prasetyo and S. Mirza Pahlevi, “021-31904598 Fax. 021-31904599 2 Program Pascasarjana Magister Ilmu Komputer Sekolah Tinggi Manajemen Informatika dan Komputer Nusa Mandiri (STMIK Nusa Mandiri),” Jl. Salemba Raya, vol. 5, no. 5, pp. 11–26, 2019.
S. Rizky Ade Putranto, Triastuti Wuryandari, “Perbandingan Analisis Klasifikasi Antara Decision Tree Dan Support Vector Machine Multiclass,” J. Gaussian, vol. 4, no. 4, pp. 1007–1016, 2015, [Online]. Available: Data Mining
N. Yulia, R. Saragih, and I. Ambarita, “Data Mining Pengelompokan Anak Stunting Berdasarkan Usia , Penyebab dan Pekerjaan Orang Tua Dengan Menggunakan Metode Clustering ( Studi Kasus?: Dinas Kesehatan Kabupaten Langkat ),” Semin. Nas. Inform. (SENATIKA)Prosiding Senat. 2021, p. 12, 2021, [Online]. Available: http://www.ejournal.pelitaindonesia.ac.id/ojs32/index.php/SENATIKA/article/view/1174/661
A. Ridwan and T. N. Sari, “The comparison of accuracy between naïve bayes clasifier and c4.5 algorithm in classifying toddler nutrition status based on anthropometry index,” J. Phys. Conf. Ser., vol. 1764, no. 1, 2021, doi: 10.1088/1742-6596/1764/1/012047.
M. Majedi-Asl, R. Daneshfaraz, and ..., “Simulation of bridge pier scour depth base on geometric characteristics and field data using support vector machine algorithm,” J. Appl. …, no. February, 2020, doi: 10.22126/ARWW.2021.5747.1189.
M. Jain, S. Narayan, P. Balaji, K. P. Bharath, A. Bhowmick, and R. Karthik, “2002.07590”.
E. T. Lestari, Mustakim, and J. Adhiva, “Implementation Naive Bayes Classifier Algorithm and K-Nearest Neighbor For Obesity Nutritional Status of Children with Disabilities Implementasi Algoritma Naive Bayes Classifier dan K-Nearest Neighbor Untuk Klasifiasi Status Gizi Obesitas Anak Disabilitas,” pp. 1–11, 2022.
B. Charbuty and A. Abdulazeez, “Classification Based on Decision Tree Algorithm for Machine Learning,” J. Appl. Sci. Technol. Trends, vol. 2, no. 01, pp. 20–28, 2021, doi: 10.38094/jastt20165.
S. Tangirala, “Evaluating the impact of GINI index and information gain on classification using decision tree classifier algorithm,” Int. J. Adv. Comput. Sci. Appl., vol. 11, no. 2, pp. 612–619, 2020, doi: 10.14569/ijacsa.2020.0110277.
