Seleksi Fitur pada Supervised Learning: Klasifikasi Prestasi Belajar Mahasiswa Saat dan Pasca Pandemi COVID-19
Dampak pandemi COVID-19 membuat lembaga pendidikan mengubah metode belajar menjadi pembelajaran jarak jauh secara daring. Banyak perguruan tinggi menyatakan keprihatinannya pada prestasi akademik mahasiswanya selama selama periode tersebut, namun disisi lain terdapat mahasiswa yang merasa puas dan n...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Universitas Andalas
2023-05-01
|
| Series: | Jurnal Teknologi dan Sistem Informasi |
| Subjects: | |
| Online Access: | https://teknosi.fti.unand.ac.id/index.php/teknosi/article/view/2307 |
| _version_ | 1797812078533148672 |
|---|---|
| author | Akhas Rahmadeyan Mustakim Mustakim |
| author_facet | Akhas Rahmadeyan Mustakim Mustakim |
| author_sort | Akhas Rahmadeyan |
| collection | DOAJ |
| description | Dampak pandemi COVID-19 membuat lembaga pendidikan mengubah metode belajar menjadi pembelajaran jarak jauh secara daring. Banyak perguruan tinggi menyatakan keprihatinannya pada prestasi akademik mahasiswanya selama selama periode tersebut, namun disisi lain terdapat mahasiswa yang merasa puas dan nyaman. Di masa pasca pandemi terjadi transisi bertahap untuk kembali ke pembelajaran tatap muka. Ini dilakukan karena pembelajaran tatap muka dianggap lebih efektif dibandingkan pembelajaran daring. Untuk meningkatkan dan memantau kemajuan prestasi akademik mahasiswa demi menghasilkan lulusan yang berkualitas, maka diperlukan analisis terkait perilaku dan prestasi belajar mahaiswa, salah satunya dengan menggunakan teknik data mining. Penelitian ini bertujuan untuk menemukan pola dan faktor yang mempengaruhi prestasi akademik mahasiswa saat dan pasca pandemi COVID-19. Chi-Square dan Mutual Information diterapkan sebagai seleksi fitur untuk menentukan fitur paling berpengaruh pada data. Data dengan fitur optimal akan dilakukan klasifikasi dengan algoritma NBC, CART, RF, dan SVM. Berdasarkan hasil dan analisis yang dilakukan, dapat disimpulkan seleksi fitur efektif dalam meningkatkan kemampuan model dan mempercepat waktu komputasi. Pemodelan dengan 4 algoritma dan 2 metode seleksi fitur menghasilkan CART dengan Chi-Square pada 2 fitur sebagai model terbaik dengan akurasi 89,00%, precision 87,72%, recall 93,57% dan waktu komputasi 0,01814s. Dibandingkan tanpa seleksi fitur, performa CART dengan Chi-Square mengalami peningkatan akurasi sebesar 3% dan waktu komputasi 0,00629s. Chi-Square menjadi seleksi fitur yang efektif pada penelitian ini, yang mana Chi-Square unggul pada rara-rata recall dan waktu komputasi dibandingkan Mutual Information. |
| first_indexed | 2024-03-13T07:33:13Z |
| format | Article |
| id | doaj.art-2ad7669f97184a59aeba323662d763be |
| institution | Directory Open Access Journal |
| issn | 2460-3465 2476-8812 |
| language | Indonesian |
| last_indexed | 2024-03-13T07:33:13Z |
| publishDate | 2023-05-01 |
| publisher | Universitas Andalas |
| record_format | Article |
| series | Jurnal Teknologi dan Sistem Informasi |
| spelling | doaj.art-2ad7669f97184a59aeba323662d763be2023-06-04T00:42:03ZindUniversitas AndalasJurnal Teknologi dan Sistem Informasi2460-34652476-88122023-05-0191213210.25077/TEKNOSI.v9i1.2023.21-32204Seleksi Fitur pada Supervised Learning: Klasifikasi Prestasi Belajar Mahasiswa Saat dan Pasca Pandemi COVID-19Akhas Rahmadeyan0Mustakim Mustakim1Universitas Islam Negeri Sultan Syarif Kasim RiauUniversitas Islam Negeri Sultan Syarif Kasim RiauDampak pandemi COVID-19 membuat lembaga pendidikan mengubah metode belajar menjadi pembelajaran jarak jauh secara daring. Banyak perguruan tinggi menyatakan keprihatinannya pada prestasi akademik mahasiswanya selama selama periode tersebut, namun disisi lain terdapat mahasiswa yang merasa puas dan nyaman. Di masa pasca pandemi terjadi transisi bertahap untuk kembali ke pembelajaran tatap muka. Ini dilakukan karena pembelajaran tatap muka dianggap lebih efektif dibandingkan pembelajaran daring. Untuk meningkatkan dan memantau kemajuan prestasi akademik mahasiswa demi menghasilkan lulusan yang berkualitas, maka diperlukan analisis terkait perilaku dan prestasi belajar mahaiswa, salah satunya dengan menggunakan teknik data mining. Penelitian ini bertujuan untuk menemukan pola dan faktor yang mempengaruhi prestasi akademik mahasiswa saat dan pasca pandemi COVID-19. Chi-Square dan Mutual Information diterapkan sebagai seleksi fitur untuk menentukan fitur paling berpengaruh pada data. Data dengan fitur optimal akan dilakukan klasifikasi dengan algoritma NBC, CART, RF, dan SVM. Berdasarkan hasil dan analisis yang dilakukan, dapat disimpulkan seleksi fitur efektif dalam meningkatkan kemampuan model dan mempercepat waktu komputasi. Pemodelan dengan 4 algoritma dan 2 metode seleksi fitur menghasilkan CART dengan Chi-Square pada 2 fitur sebagai model terbaik dengan akurasi 89,00%, precision 87,72%, recall 93,57% dan waktu komputasi 0,01814s. Dibandingkan tanpa seleksi fitur, performa CART dengan Chi-Square mengalami peningkatan akurasi sebesar 3% dan waktu komputasi 0,00629s. Chi-Square menjadi seleksi fitur yang efektif pada penelitian ini, yang mana Chi-Square unggul pada rara-rata recall dan waktu komputasi dibandingkan Mutual Information.https://teknosi.fti.unand.ac.id/index.php/teknosi/article/view/2307klasifikasichi-squaremutual informationseleksi fiturprestasi belajar |
| spellingShingle | Akhas Rahmadeyan Mustakim Mustakim Seleksi Fitur pada Supervised Learning: Klasifikasi Prestasi Belajar Mahasiswa Saat dan Pasca Pandemi COVID-19 Jurnal Teknologi dan Sistem Informasi klasifikasi chi-square mutual information seleksi fitur prestasi belajar |
| title | Seleksi Fitur pada Supervised Learning: Klasifikasi Prestasi Belajar Mahasiswa Saat dan Pasca Pandemi COVID-19 |
| title_full | Seleksi Fitur pada Supervised Learning: Klasifikasi Prestasi Belajar Mahasiswa Saat dan Pasca Pandemi COVID-19 |
| title_fullStr | Seleksi Fitur pada Supervised Learning: Klasifikasi Prestasi Belajar Mahasiswa Saat dan Pasca Pandemi COVID-19 |
| title_full_unstemmed | Seleksi Fitur pada Supervised Learning: Klasifikasi Prestasi Belajar Mahasiswa Saat dan Pasca Pandemi COVID-19 |
| title_short | Seleksi Fitur pada Supervised Learning: Klasifikasi Prestasi Belajar Mahasiswa Saat dan Pasca Pandemi COVID-19 |
| title_sort | seleksi fitur pada supervised learning klasifikasi prestasi belajar mahasiswa saat dan pasca pandemi covid 19 |
| topic | klasifikasi chi-square mutual information seleksi fitur prestasi belajar |
| url | https://teknosi.fti.unand.ac.id/index.php/teknosi/article/view/2307 |
| work_keys_str_mv | AT akhasrahmadeyan seleksifiturpadasupervisedlearningklasifikasiprestasibelajarmahasiswasaatdanpascapandemicovid19 AT mustakimmustakim seleksifiturpadasupervisedlearningklasifikasiprestasibelajarmahasiswasaatdanpascapandemicovid19 |