Decision Tree Learning Untuk Penentuan Jalur Kelulusan Mahasiswa

Abstract

ABSTRAK PENDAHULUANDecicion tree learning adalah suatu metode belajar yang sangat populer dan banyak digunakan secara praktis. Metode ini merupakan metode yang berusaha menemukan fungsi-fungsi pendekatan yang bernilai diskrit dan tahan terhadap data-data yang terdapat kesalahan (noise data) serta mampu mempelajari ekspresi-ekspresi disjungtive. Iterative Dichotomiser 3 (ID3), Assistant dan C4.5 merupakan jenis dari decision tree learning. Dalam membangun decision tree learning dibutuhkan evaluasi semua atribut yang ada menggunakan suatu ukuran statistik untuk mengukur efektifitas suatu atribut dalam mengklasifikasikan kumpulan sampel data. Dalam hal ini information gain adalah yang paling banyak digunakan (Suyanto, 2011).Jalur kelulusan merupakan tahap akhir yang harus dilalui seorang mahasiswa dalam menyelesaikan pendidikan di perguruan tinggi. Pada salah satu Perguruan Tinggi Swasta (PTS) di Jakarta, terdapat dua jalur kelulusan yang dapat dilalui, yaitu jalur skripsi dan jalur non-skripsi. Jalur skripsi merupakan proses kelulusan mahasiswa, dimana seorang mahasiswa diwajibkan menyusun karya tulis ilmiah berdasarkan penelitian lapangan dan/atau kepustakaan. Jalur nonskripsi merupakan proses kelulusan mahasiswa, dimana seorang mahasiswa tidak menyusun sebuah karya tulis ilmiah melainkan melalui pengujian secara lisan 3 mata kuliah yang berkaitan dengan bidang studi. Permasalahan yang terjadi adalah ketidaktepatan keputusan yang diambil pihak sekretariat dalam menentukan jalur kelulusan mahasiswa, seperti terjadinya seorang mahasiswa yang harusnya menempuh jalur skripsi tapi dinyatakan jalur non skripsi.Dalam penelitian ini algoritma ID3 akan dibuat sebuah model yang akan menghasilkan sebuah pohon keputusan. Dimana pohon keputusan tersebut akan digunakan untuk menentukan jalur skripsi pada mahasiswa atau jalur non skripsi dalam jalur kelulusan mahasiswa tingkat akhir pada suatu Perguruan Tinggi Swasta. TINJAUAN PUSTAKABeberapa penelitian terkait decision tree learning diantaranya; penelitian yang dilakukan oleh Rong Cao dan Lizhen Xu menggunakan Algoritma C4.5 untuk menganalisa penjualan. Lee (2010) menggunakan algoritma ID3 untuk penentuan penerima beasiswa. Wibowo (2009) menggunakan algoritma ID3 untuk membantu dalam pengambilan keputusan pada penentuan MVP di sebuah pertandingan bola basket.Salah satu jenis dari decision tree learning adalah algoritma ID3. Algoritma ID3 (Iterative Dichotomiser 3) merupakan algoritma decision tree learning (algoritma pembelajaran pohon keputusan) yang menggunakan strategi pencarian hill-climbing, yaitu dimulai dari pohon kosong, kemudian secara progresif berusaha menemukan sebuah pohon keputusan yang mengklasifikasikan sampel-sampel data secara akurat tanpa kesalahan. Pertumbuhan cabang-cabang pohon keputusan pada algoritma ID3 dilakukan sampai pohon tersebut mampu mengklasisifikasikan

Multi-Class Sentiment Classification for Healthcare Tweets Using Supervised Learning Techniques

“…The decision tree is commonly used in operations research, specifically in decision analysis to help identify a strategy most likely to reach a goal, but is also a popular tool in machine learning (Sharma & Kaur, 2013;Ariestya et al 2016). In addition, a decision tree is created by recursively selecting the best attributes to split the data and expanding the leaf nodes of the tree until a predefined stopping criterion is met (Wongsirichot et al 2019).…”

Penerapan Algoritma ID3 dalam Prediksi Kebutuhan Pupuk

“…Iterative Dichotomicer 3 (ID3) adalah algoritma decision tree learning (algoritma pembelajaran pohon keputusan) yang paling dasar. Algoritma ini melakukan pencarian secara rakus /menyeluruh (greedy) pada semua kemungkinan pohon keputusan [4]- [6].…”