Implementasi Data Mining untuk Rekomendasi Pengambilan Mata Kuliah Pilihan Mahasiswa Sistem Informasi
Pada penelitian ini kami mengimplementasikan algoritma klasifikasi untuk memberikan rekomendasi kepada mahasiswa keminatan apa yang lebih cocok diambil berdasarkan nilai-nilai mata kuliah prasyarat di semester-semester sebelumnya. Diharapkan dengan adanya rekomendasi ini semakin jelas pembatas antar...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
University of Brawijaya
2019-05-01
|
| Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
| Subjects: | |
| Online Access: | https://jtiik.ub.ac.id/index.php/jtiik/article/view/892 |
| _version_ | 1797194524738453504 |
|---|---|
| author | I Putu Pradnyana Iswara Ahmad Afif Supianto |
| author_facet | I Putu Pradnyana Iswara Ahmad Afif Supianto |
| author_sort | I Putu Pradnyana Iswara |
| collection | DOAJ |
| description | Pada penelitian ini kami mengimplementasikan algoritma klasifikasi untuk memberikan rekomendasi kepada mahasiswa keminatan apa yang lebih cocok diambil berdasarkan nilai-nilai mata kuliah prasyarat di semester-semester sebelumnya. Diharapkan dengan adanya rekomendasi ini semakin jelas pembatas antara disiplin ilmu yang ada pada Program Studi Sistem Informasi Universitas Brawijaya dimana terdapat 3 jenis jalur keminatan mata kuliah pilihan yaitu Database, Logika & pemrograman dan Manajemen SI/TI. Data set yang terdiri dari data training dan data testing merupakan data akademik dari mahasiswa angkatan 2015 yang sudah mengambil mata kuliah pilihan, data target dari penelitian ini adalah data akademik mahasiswa angkatan 2016. Algoritma klasifikasi yang digunakan adalah Rule Induction, CHAID, Random Forest, ID3, dan Naive Bayes. Komposisi dari data training dan testing diubah-ubah untuk mengetahui pengaruh perubahan komposisi tersebut. Kelima algoritma tersebut diuji sebanyak 5 kali. Dari seluruh hasil pengujian didapatkan rata-rata akurasi dari kelima metode yang diusulkan berturut-turut adalah 66,48%, 67,49%, 80,62%, 86,90% dan 77,68%. Hasil tersebut menunjukkan bahwa algoritma dengan rata-rata akurasi tertinggi dimiliki oleh algoritma ID3 dikarenakan algoritmanya yang fleksibel dan dapat lebih akurat untuk menguji data yang digunakan. |
| first_indexed | 2024-04-24T05:57:39Z |
| format | Article |
| id | doaj.art-5b9d9ddbe2bd4dae9537a6bdee231f51 |
| institution | Directory Open Access Journal |
| issn | 2355-7699 2528-6579 |
| language | Indonesian |
| last_indexed | 2024-04-24T05:57:39Z |
| publishDate | 2019-05-01 |
| publisher | University of Brawijaya |
| record_format | Article |
| series | Jurnal Teknologi Informasi dan Ilmu Komputer |
| spelling | doaj.art-5b9d9ddbe2bd4dae9537a6bdee231f512024-04-23T08:50:07ZindUniversity of BrawijayaJurnal Teknologi Informasi dan Ilmu Komputer2355-76992528-65792019-05-016310.25126/jtiik.201963892420Implementasi Data Mining untuk Rekomendasi Pengambilan Mata Kuliah Pilihan Mahasiswa Sistem InformasiI Putu Pradnyana Iswara0Ahmad Afif Supianto1Sistem Informasi, Fakultas Ilmu Komputer, Universitas BrawijayaTeknik Informatika, Fakultas Ilmu Komputer, Universitas BrawijayaPada penelitian ini kami mengimplementasikan algoritma klasifikasi untuk memberikan rekomendasi kepada mahasiswa keminatan apa yang lebih cocok diambil berdasarkan nilai-nilai mata kuliah prasyarat di semester-semester sebelumnya. Diharapkan dengan adanya rekomendasi ini semakin jelas pembatas antara disiplin ilmu yang ada pada Program Studi Sistem Informasi Universitas Brawijaya dimana terdapat 3 jenis jalur keminatan mata kuliah pilihan yaitu Database, Logika & pemrograman dan Manajemen SI/TI. Data set yang terdiri dari data training dan data testing merupakan data akademik dari mahasiswa angkatan 2015 yang sudah mengambil mata kuliah pilihan, data target dari penelitian ini adalah data akademik mahasiswa angkatan 2016. Algoritma klasifikasi yang digunakan adalah Rule Induction, CHAID, Random Forest, ID3, dan Naive Bayes. Komposisi dari data training dan testing diubah-ubah untuk mengetahui pengaruh perubahan komposisi tersebut. Kelima algoritma tersebut diuji sebanyak 5 kali. Dari seluruh hasil pengujian didapatkan rata-rata akurasi dari kelima metode yang diusulkan berturut-turut adalah 66,48%, 67,49%, 80,62%, 86,90% dan 77,68%. Hasil tersebut menunjukkan bahwa algoritma dengan rata-rata akurasi tertinggi dimiliki oleh algoritma ID3 dikarenakan algoritmanya yang fleksibel dan dapat lebih akurat untuk menguji data yang digunakan.https://jtiik.ub.ac.id/index.php/jtiik/article/view/892klasifikasinaive nayesdecision treeID3Random ForestRule Induction |
| spellingShingle | I Putu Pradnyana Iswara Ahmad Afif Supianto Implementasi Data Mining untuk Rekomendasi Pengambilan Mata Kuliah Pilihan Mahasiswa Sistem Informasi Jurnal Teknologi Informasi dan Ilmu Komputer klasifikasi naive nayes decision tree ID3 Random Forest Rule Induction |
| title | Implementasi Data Mining untuk Rekomendasi Pengambilan Mata Kuliah Pilihan Mahasiswa Sistem Informasi |
| title_full | Implementasi Data Mining untuk Rekomendasi Pengambilan Mata Kuliah Pilihan Mahasiswa Sistem Informasi |
| title_fullStr | Implementasi Data Mining untuk Rekomendasi Pengambilan Mata Kuliah Pilihan Mahasiswa Sistem Informasi |
| title_full_unstemmed | Implementasi Data Mining untuk Rekomendasi Pengambilan Mata Kuliah Pilihan Mahasiswa Sistem Informasi |
| title_short | Implementasi Data Mining untuk Rekomendasi Pengambilan Mata Kuliah Pilihan Mahasiswa Sistem Informasi |
| title_sort | implementasi data mining untuk rekomendasi pengambilan mata kuliah pilihan mahasiswa sistem informasi |
| topic | klasifikasi naive nayes decision tree ID3 Random Forest Rule Induction |
| url | https://jtiik.ub.ac.id/index.php/jtiik/article/view/892 |
| work_keys_str_mv | AT iputupradnyanaiswara implementasidatamininguntukrekomendasipengambilanmatakuliahpilihanmahasiswasisteminformasi AT ahmadafifsupianto implementasidatamininguntukrekomendasipengambilanmatakuliahpilihanmahasiswasisteminformasi |