PENERAPAN SPLIT FEATURE REDUCTION PADA DECISION TREE C4.5 UNTUK MENINGKATKAN PREDIKSI PEFORMA BELAJAR SISWA SMK

Ali Akbar Jausyani, - (2022) PENERAPAN SPLIT FEATURE REDUCTION PADA DECISION TREE C4.5 UNTUK MENINGKATKAN PREDIKSI PEFORMA BELAJAR SISWA SMK. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_KOM_1807105_Title.pdf Download (349kB)
	Text S_KOM_1807105_Chapter 1.pdf Download (130kB)
	Text S_KOM_1807105_Chapter 2.pdf Restricted to Staf Perpustakaan Download (449kB)
	Text S_KOM_1807105_Chapter 3.pdf Download (392kB)
	Text S_KOM_1807105_Chapter 4.pdf Restricted to Staf Perpustakaan Download (2MB)
	Text S_KOM_1807105_Chapter 5.pdf Download (60kB)
	Text S_KOM_1807105_Appendix.pdf Restricted to Staf Perpustakaan Download (1MB)

Abstract

Performa belajar siswa yang rendah dapat menyebabkan masalah-masalah besar seperti putus sekolah, maka perlu dilakukan pemantauan terhadap performa belajar siswa agar pendidik dapat mencegah siswa memiliki performa belajar yang rendah. Salah satu cara pemantauan performa belajar siswa adalah dengan cara prediksi. Educational Data Mining memiliki banyak teknik yang dapat digunakan dalam memproses data menjadi informasi, salah satunya adalah Decision Tree C4.5. Decision Tree C4.5 merupakan salah satu teknik yang sering digunakan dari berbagai teknik data mining dengan salah satu alasannya yaitu mudah dipahami. Namun Decision Tree C4.5 masih memiliki beberapa kekurangan seperti kemampuan prediksi yang rendah. Split Feature Reduction adalah salah satu teknik yang mencoba untuk memperbaiki kekurangan tersebut. Penggunaan teknik ini dapat dilakukan dengan cara mengurangi atribut-atribut siswa yang kurang signifikan dari proses pengolahan data. Maka, penelitian ini mencoba untuk meningkatkan kemampuan prediksi Decision Tree C4.5 menggunakan teknik Split Feature Reduction. Pada penelitian yang dilakukan ini, ditemukan bahwa Split Feature Reduction meningkatkan nilai F1-Score prediksi Decision Tree dalam menentukan performa belajar siswa SMK sebesar 5,32%. Atribut-atribut siswa yang ditemukan berpengaruh terhadap performa belajar siswa SMK adalah kelengkapan tugas, minat terhadap jurusan kelas, pendidikan ayah, akses internet, pendidikan ibu, status ibu bekerja, dan akses komputer. Jadi, penerapan Split Feature Reduction benar dapat meningkatkan kemampuan Decision Tree C4.5 dalam memprediksi performa belajar siswa SMK.

Item Type:	Thesis (S1)
Uncontrolled Keywords:	Educational Data Mining, Decision Tree C4.5, Split Feature Reduction, Prediksi, Performa Belajar
Subjects:	L Education > L Education (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Pendidikan Ilmu Komputer
Depositing User:	Ali Akbar Jausyani
Date Deposited:	25 Jul 2022 06:24
Last Modified:	25 Jul 2022 06:24
URI:	http://repository.upi.edu/id/eprint/75099

Actions (login required)

View Item