Klasifikasi Penerimaan Mahasiswa Baru Menggunakan Algortima C4.5 Dan Adaboost (Studi Kasus : STMIK XYZ)

Abstract

Setiap  perguruan  tinggi  ingin mendapatkan mahasiswa yang memiliki  kualitas  yang  baik  serta  dengan kwantitas yang sesuai  dengan  kuota  yang  di  tetapkan  dari perguruan  tinggi  tersebut.Kualitas calon mahasiswa baru dapat diketahui secara dini dengan mengenali pola dari karakteristik mahasiswa yang sudah ada di tahun-tahun sebelumnya dan memperhatikan lama masa studi.Algoritma C4.5 merupakan model untuk membangun sebuah pohon keputusan, algortima ini  ditujukan  untuk supervised learning: memberikan nilai atribut pada dataset yang digambarkan oleh  koleksi  atribut  dan termasuk salah  satu dari  serangkaian  kelas  yang  saling berhubungan. Untuk meningkatkan ketelitian dalam proses klasifikasi dan prediksi dengan caramembangkitkan kombinasi dari suatu model, maka digunakan pemodelan boosting yaitu Adaboost.Ekperimen dilakukan terhadap 546 dataset menggunakan Algortima C4.5 berbasis adaboost untuk menghasilkan akurasi. Dari eksperimen yang dilakukan menghasilkan nilai akurasi yang sama antara Algoritma C4.5 dan Algoritma C4.5 berbasis Adaboost yaitu sebesar Precision 77.33%, Accuracy 90.28%, Recall 45.54% akan tetapi terjadi perbedaan pada nilai AUC untuk Algoritma C4.5 sebesar 0.683 sedangkan untuk Algoritma C4.5 berbasi Adaboost sebesar 0,717. Pola tersebut dapat membantu untuk mengambil keputusan penerimaan mahasiswa baru yang dapat lulus tepat waktu dan mahasiswa yang lulus terlambat dapat terprediksi lebih awal.