ANALISIS KOMPARASI PEMODELAN KLASIFIKASI PADA DATASET PENERIMAAN MAHASISWA BARU PERGURUAN TINGGI
Keywords:
Pemodelan, Klasifikasi, Dataset PMB
Abstract
Data Penerimaan Mahasiswa Baru (PMB) merupakan aset yang memiliki nilai kebermanfaatan bagi pemangku kepentingan di Perguruan Tinggi. Ekstraksi pengetahuan dari dataset PMB dapat memberikan rekomendasi strategi sesuai dengan kondisi dan fakta yang ada. Pada penelitian ini dilakukan pemodelan klasifikasi pada dataset PMB Perguruan Tinggi untuk melihat preferensi pemilihan program studi bagi mahasiswa baru. Tahapan yang dilakukan meliputi Business Understanding, Data Understanding, Data Pre-Processing, Modeling dan Evaluasi. Dataset yang diolah sejumlah 2704 record data dengan melibatkan 5 model yang dikomparasi, yakni kNN, Naïve Bayes Classifier, Decision Tree Classifier, Support Vector Machine dan AdaBoost. Evaluasi menggunakan nilai Akurasi dan F1 Score. Hasil akhir menunjukkan tingkat akurasi sebesar 74% pada Decision Tree Classifier, Support Vector Machine dan Adaptive Boosting (AdaBoost).
Downloads
Download data is not yet available.
References
Amanda, R., & Negara, E. S. (2020). Analysis and Implementation Machine Learning for YouTube Data Classification by Comparing the Performance of Classification Algorithms. Jurnal Online Informatika, 5(1), 61–72. https://doi.org/10.15575/join.v5i1.505
Anam, M. K., Pikir, B. N., & Firdaus, M. B. (2021). Penerapan Na ̈ıve Bayes Classifier, K-Nearest Neighbor (KNN) dan Decision Tree untuk Menganalisis Sentimen pada Interaksi Netizen danPemeritah. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 21(1), 139–150. https://doi.org/10.30812/matrik.v21i1.1092
Djogo, Y. O. (2020). Strategi Marketing Penerimaan Mahasiswa Baru Universitas Sanggabuana Bandung di Tengah Pandemi Covid-19. Business Preneur: Jurnal Ilmu Administrasi, 2(2), 88–100.
Ermini, E., & Nindiati, D. S. (2019). Pengaruh Kualitas Pelayanan Panitia Penerimaan Mahasiswa Baru terhadap Kepuasan Calon Mahasiswa di Universitas PGRI Palembang. International Journal of Social Science and Business, 3(4), 532. https://doi.org/10.23887/ijssb.v3i4.21767
Gunawan, G. (2021). Data Mining Using Crisp-Dm Process Framework on Official Statistics: a Case Study of East Java Province. Jurnal Ekonomi Dan Pembangunan, 29(2), 183–198. https://doi.org/10.14203/jep.29.2.2021.183-198
Hidayat, R., & Yulianingsih, E. (2021). Penerapan Data Mining untuk Identifikasi Penyakit DBD menggunakan Metode Klasifikasi (Studi Kasus: Rumah Sakit Tk II 02.05.01 dr. Ak Gani Palembang). Jurnal Bina Komputer, 3(2), 9–11.
Hossin, M., & Sulaiman, M. . (2015). A Review on Evaluation Metrics for Data Classification Evaluations. International Journal of Data Mining & Knowledge Management Process, 5(2), 01–11. https://doi.org/10.5121/ijdkp.2015.5201
Isa, I. G. T. (2021). Aplikasi Asesmen Calon Debitur menggunakan Naive Bayes di Koperasi Mitra Sejahtera SMK Negeri 1 Kota Sukabumi. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 10(1), 31–39. https://doi.org/10.32736/sisfokom.v10i1.1013
Isa, I. G. T., & Junedi, B. (2022). Hyperparameter Tuning Epoch dalam Meningkatkan Akurasi Data Latih dan Data Validasi pada Citra Pengendara. Seminar Nasional Sains Dan Teknologi2, 231–237.
Leidiyana, H., & Permana, A. A. (2020). Pemodelan Klasifikasi Dalam Meningkatkan Proses Pemilihan Calon Karyawan dengan Metode C4.5 dan Jaringan Syaraf Tiruan. Jurnal Teknik Informatika (JIKA) Universitas Muhammadiyah Tangerang, 3(2), 7–14.
Muhammad, B. (2019). Implementasi Data Mining untuk Prediksi Standar Hidup Layak Berdasarkan Tingkat Kesehatan dan Pendidikan Masyarakat. Jurnal SISKOM-KB (Sistem Komputer Dan Kecerdasan Buatan), 2(2), 33–37. https://jurnal.tau.ac.id/index.php/siskom-kb/article/view/58
Qisthiano, M. R., Kurniawan, T. B., Negara, E. S., & Akbar, M. (2021). Pengembangan Model Untuk Prediksi Tingkat Kelulusan Mahasiswa Tepat Waktu dengan Metode Naïve Bayes. Jurnal Media Informatika Budidarma, 5(3), 987. https://doi.org/10.30865/mib.v5i3.3030
Rachmatika, R., & Bisri, A. (2020). Perbandingan Model Klasifikasi untuk Evaluasi Kinerja Akademik Mahasiswa. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 6(3), 417. https://doi.org/10.26418/jp.v6i3.43097
Singh, G. A. P., & Gupta, P. K. (2019). Performance analysis of various machine learning-based approaches for detection and classification of lung cancer in humans. Neural Computing and Applications, 31(10), 6863–6877. https://doi.org/10.1007/s00521-018-3518-x
Suad A., A., & Wesam S., B. (2017). Review of data preprocessing techniques in data mining.pdf. Journal of Engineering and Applied Sciences, 12(16), 4102–4107. https://doi.org/doi=jeasci.2017.4102.4107
Anam, M. K., Pikir, B. N., & Firdaus, M. B. (2021). Penerapan Na ̈ıve Bayes Classifier, K-Nearest Neighbor (KNN) dan Decision Tree untuk Menganalisis Sentimen pada Interaksi Netizen danPemeritah. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 21(1), 139–150. https://doi.org/10.30812/matrik.v21i1.1092
Djogo, Y. O. (2020). Strategi Marketing Penerimaan Mahasiswa Baru Universitas Sanggabuana Bandung di Tengah Pandemi Covid-19. Business Preneur: Jurnal Ilmu Administrasi, 2(2), 88–100.
Ermini, E., & Nindiati, D. S. (2019). Pengaruh Kualitas Pelayanan Panitia Penerimaan Mahasiswa Baru terhadap Kepuasan Calon Mahasiswa di Universitas PGRI Palembang. International Journal of Social Science and Business, 3(4), 532. https://doi.org/10.23887/ijssb.v3i4.21767
Gunawan, G. (2021). Data Mining Using Crisp-Dm Process Framework on Official Statistics: a Case Study of East Java Province. Jurnal Ekonomi Dan Pembangunan, 29(2), 183–198. https://doi.org/10.14203/jep.29.2.2021.183-198
Hidayat, R., & Yulianingsih, E. (2021). Penerapan Data Mining untuk Identifikasi Penyakit DBD menggunakan Metode Klasifikasi (Studi Kasus: Rumah Sakit Tk II 02.05.01 dr. Ak Gani Palembang). Jurnal Bina Komputer, 3(2), 9–11.
Hossin, M., & Sulaiman, M. . (2015). A Review on Evaluation Metrics for Data Classification Evaluations. International Journal of Data Mining & Knowledge Management Process, 5(2), 01–11. https://doi.org/10.5121/ijdkp.2015.5201
Isa, I. G. T. (2021). Aplikasi Asesmen Calon Debitur menggunakan Naive Bayes di Koperasi Mitra Sejahtera SMK Negeri 1 Kota Sukabumi. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 10(1), 31–39. https://doi.org/10.32736/sisfokom.v10i1.1013
Isa, I. G. T., & Junedi, B. (2022). Hyperparameter Tuning Epoch dalam Meningkatkan Akurasi Data Latih dan Data Validasi pada Citra Pengendara. Seminar Nasional Sains Dan Teknologi2, 231–237.
Leidiyana, H., & Permana, A. A. (2020). Pemodelan Klasifikasi Dalam Meningkatkan Proses Pemilihan Calon Karyawan dengan Metode C4.5 dan Jaringan Syaraf Tiruan. Jurnal Teknik Informatika (JIKA) Universitas Muhammadiyah Tangerang, 3(2), 7–14.
Muhammad, B. (2019). Implementasi Data Mining untuk Prediksi Standar Hidup Layak Berdasarkan Tingkat Kesehatan dan Pendidikan Masyarakat. Jurnal SISKOM-KB (Sistem Komputer Dan Kecerdasan Buatan), 2(2), 33–37. https://jurnal.tau.ac.id/index.php/siskom-kb/article/view/58
Qisthiano, M. R., Kurniawan, T. B., Negara, E. S., & Akbar, M. (2021). Pengembangan Model Untuk Prediksi Tingkat Kelulusan Mahasiswa Tepat Waktu dengan Metode Naïve Bayes. Jurnal Media Informatika Budidarma, 5(3), 987. https://doi.org/10.30865/mib.v5i3.3030
Rachmatika, R., & Bisri, A. (2020). Perbandingan Model Klasifikasi untuk Evaluasi Kinerja Akademik Mahasiswa. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 6(3), 417. https://doi.org/10.26418/jp.v6i3.43097
Singh, G. A. P., & Gupta, P. K. (2019). Performance analysis of various machine learning-based approaches for detection and classification of lung cancer in humans. Neural Computing and Applications, 31(10), 6863–6877. https://doi.org/10.1007/s00521-018-3518-x
Suad A., A., & Wesam S., B. (2017). Review of data preprocessing techniques in data mining.pdf. Journal of Engineering and Applied Sciences, 12(16), 4102–4107. https://doi.org/doi=jeasci.2017.4102.4107