Komparasi Algoritma Klasifikasi Menentukan Kelulusan Mata Kuliah Pada Universitas

Abstract

Graduation of the course is a reflection of the seriousness of individual students every semester of the lecture. Students who attend all the learning process in the classroom or face-toface in each course will have more chance to graduate than the students who are rarely present, some lecturer's evaluation of the graduation of the course are attendance, task, UTS and UAS. From the above problem the writer tries to get the appropriate algorithm to determine the graduation of each student's course, this research will use the data mining classification technique with 3 methods of classification algorithm such as Algorithm C4.5 (decision tree), Naïve Bayes, and Random Forest with label result pass or not pass. Based on the results of tests conducted using the same dataset on the 3 algorithms through comparison to the value of AUC and Confusion Matrix, obtained the value of Area Under Curve (AUC) of 1,000 from Naïve Bayes model, while the largest Accuracy or Confusion Matrix value is in C4 algorithm .5 (decision tree) with a value of 97.78%. Thus, the proper algorithm for this case is the C4.5 Algorithm (decisiontree).

Hyperparameter Tuning Algoritma Supervised Learning untuk Klasifikasi Keluarga Penerima Bantuan Pangan Beras

“…Klasifikasi dengan pendekatan ini merupakan salah satu teknik dalam machine learning yang dapat memprediksi nilai dari sekelompok atribut dalam menggambarkan dan membedakan kelas data yang bertujuan untuk memprediksi kelas dari objek yang label kelasnya tidak diketahui [10]. Dengan kata lain, klasifikasi adalah teknik yang dapat menentukan label kelas dari dataset sehingga memungkinkan pengelompokan objek ke dalam kategori tertentu [11]. Klasifikasi dengan pendekatan supervised learning secara signifikan unggul dibandingkan dengan metode pengelompokan objek sejenis, yaitu clustering pada unsupervised learning [12].…”

Komparasi Algoritma Logistic Regression dan Random Forest pada Prediksi Cacat Software

“…Random forest merupakan pengembangan dari Algoritma C4.5 (decision tree) dengan menggunakan beberapa decision tree, dimana setiap decision tree telah dilakukan training data menggunakan sampel individu dan setiap atribut dipecah pada tree yang dipilih antara atribut subset yang bersifat acak. Dan dalam perkembangannya, sejalan dengan bertambahnya dataset, maka tree pun ikut berkembang (Frastian, Hendrian, and Valentino 2018).…”

Mengidentifikasi Hoax Pada Hasil Pencarian Berita Online Dengan Teknik Web Scraping Dan Algoritma C4.5

“…Dalam proses klasifiksi hoax, algoritma C4.5 menjadi pilihan untuk diimplementasikan. Hal ini dikarenakan algoritma ini tidak memerlukan proses komputasi yang lama [16] dan mempunyai tingkat akurasi yang bagus dibandingkan dengan dengan algoritma sejenis [17], [18]. Atribut yang digunakan untuk penentuan hoax atau tidak nya suatu konten berita adalah judul provokasi (P), ajakan menyebarkan (A), dan kredibilitas sumber (S).…”