Implementasi Algoritma SVM dan C4.5 dalam Klasifikasi Calon Penerimaan Beasiswa

Rahmaddeni; Syarfi Aziz; Zairi Saputra; Hafid Azis Supahri; Ryan Ismanizan

doi:10.35134/komtekinfo.v11i3.524

Authors

Rahmaddeni Universitas Sains dan Teknologi Indonesia
Syarfi Aziz Institut Az Zuhra, Riau
Zairi Saputra Universitas Sains dan Teknologi Indonesia
Hafid Azis Supahri Universitas Sains dan Teknologi Indonesia
Ryan Ismanizan Universitas Sains dan Teknologi Indonesia

DOI:

https://doi.org/10.35134/komtekinfo.v11i3.524

Keywords:

SVM C4.5 seleksi klasifikasi beasiswa

Abstract

Dalam proses seleksi penerima beasiswa, berbagai kriteria dipertimbangkan secara menyeluruh. Nilai akademik, keadaan ekonomi, dan lainnya adalah beberapa faktor penting yang harus dipertimbangkan. Namun, dengan banyaknya calon yang mendaftar, proses seleksi manual menjadi tidak efisien dan rentan terhadap kesalahan. Penelitian ini menyarankan penggunaan algoritma Support Vector Machine (SVM) dan C4.5 untuk mengklasifikasikan calon penerima beasiswa.

Tujuan dari penelitian ini untuk mengevaluasi kinerja kedua algoritma dalam memprediksi kandidat penerima beasiswa dengan data historis yang tersedia. Nilai rata-rata, penghasilan orang tua, dan aktivitas ekstrakurikuler adalah beberapa fitur yang relevan yang digunakan dalam dataset. Memanfaatkan metrik akurasi, presisi, recall, dan skor F1, kinerja kedua algoritma dievaluasi. Hasil eksperimen menunjukkan bahwa kedua algoritma mampu memberikan prediksi yang cukup akurat; algoritma C4.5 menunjukkan keunggulan dalam interpretabilitas hasil klasifikasi, sementara SVM menunjukkan keunggulan dalam akurasi prediksi.

Ketika semua dikatakan dan dilakukan, implementasi algoritma SVM dan C4.5 dapat sangat membantu proses seleksi calon penerima beasiswa, mengurangi beban kerja manual, dan meningkatkan akurasi dan objektivitas proses. Selain itu, penelitian ini memberikan saran untuk membangun sistem pendukung keputusan yang lebih efisien yang berbasis pembelajaran mesin untuk manajemen penerimaan beasiswa.

Dalam penelitian ini, model SVM dan C4.5 telah diuji untuk klasifikasi calon penerima beasiswa. Model C4.5 menunjukkan kinerja yang lebih baik dalam semua metrik evaluasi dibandingkan model SVM. Oleh karena itu, model C4.5 disarankan untuk digunakan dalam implementasi sistem klasifikasi calon penerima beasiswa. Namun, model SVM tetap relevan sebagai alat tambahan dalam validasi prediksi. Pengembangan lebih lanjut dengan tuning parameter dan eksplorasi algoritma ensemble dapat lebih meningkatkan kinerja sistem klasifikasi ini.

Kata kunci: SVM, C4.5, seleksi, klasifikasi, beasiswa

References

Q. Ayuni, A. Nazir, L. Handayani, and I. Afrianty, Penerapan Algoritma K-Means Clustering untuk Mengetahui Pola Penerima Beasiswa Bank Indonesia (BI), J. Comput. Syst. Informatics, vol. 4, no. 3, pp. 530539, 2023.

D. Ariani, F. Yuniarti, B. Juliartha, and M. Putra, SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN CALON PENERIMA, J. Transform. (Informasi Pengemb. Iptek), vol. 16, no. 1, pp. 8290, 2020.

A. H. Wijaya, P. B. R. Putri, F. S. Bufra, and ..., Sistem Pendukung Keputusan Penerima Beasiswa Pendidikan Badan Amil Zakat (Baznas) Kabupaten Pesisir Selatan Menggunakan , J. Rev. Pendidik. dan Pengajaran, vol. 6, no. 3, pp. 19, 2023.

A. Ningsih, S. Nurhaliza, and E. Priyanti, Implementasi Sistem Keuangan Desa Dalam Transparansi Pengelolaan Alokasi Dana Desa Di Desa Bulak Kabupaten Indramayu, J. Gov. Sci. J. Ilmu Pemerintah., vol. 3, no. 1, pp. 121, 2022.

A. Siregar, E. Yunita, I. Sofia, R. E. Maulina, and T. Y. Hidayatullah, Implementasi Manajemen Strategik dalam Meningkatkan Manajemen Pendidikan Islam, J. Pendidik. dan Konseling, vol. 4, no. 5, p. 5518, 2022.

Y. Partogi and A. Pasaribu, Perancangan Metode Decision Tree Terhadap Sistem Perpustakaan STMIK Kuwera, J. Sist. Inf. dan Teknol., vol. 1, no. 2, pp. 2025, 2022.

M. Mayasari, D. Iskandar Mulyana, M. Betty Yel, and S. Tinggi Ilmu Komputer Cipta Karya Informatika Jl Raden, Komparasi Klasifikasi Jenis Tanaman Rimpang Menggunakan Principal Component Analiysis, Support Vector Machine, K-Nearest Neighbor Dan Decision Tree, J. Tek. Inform. Kaputama, vol. 6, no. 2, pp. 644655, 2022.

P. I. Daulay, Penerapan Algoritma Pemrograman dalam Pembelajaran Ilmu Komputer, J. Arjuna, vol. 1, no. 6, pp. 91103, 2023.

S. Astuti and Muammar, Sistem Pendukung Keputusan Penentuan Beasiswa Menggunakan Metode Simple Additive Weighting (SAW) Studi Kasus Pada SMP Dharma Bhakti Pubian, J. TAM ( Technol. Accept. Model ), vol. 4, no. 1, pp. 1318, 2015.

A. S. Millah, D. Arobiah, E. S. Febriani, and E. Ramdhani, Analisis Data dalam Penelitian Tindakan Kelas, vol. 1, no. 2, pp. 140153, 2023.

L. Hermawan and M. Bellaniar Ismiati, Pembelajaran Text Preprocessing berbasis Simulator Untuk Mata Kuliah Information Retrieval, J. Transform., vol. 17, no. 2, p. 188, 2020.

S. Parsaoran Tamba, A. Laia, Y. Kristian Butar Butar, and F. Sains dan Teknologi, Penerapan Data Mining Untuk Klasifikasi Berita Hoax Menggunakan Algoritma Naive Bayes, J. TEKINKOM, vol. 6, no. 2, p. 2023, 2023.

T. Z. Dessiaming, S. Anraeni, and S. Pomalingo, College Academic Data Analysis Using Data Visualization, J. Tek. Inform., vol. 3, no. 5, pp. 12031212, 2022.

Baiq Nurul Azmi, Arief Hermawan, and Donny Avianto, Analisis Pengaruh Komposisi Data Training dan Data Testing pada Penggunaan PCA dan Algoritma Decision Tree untuk Klasifikasi Penderita Penyakit Liver, JTIM J. Teknol. Inf. dan Multimed., vol. 4, no. 4, pp. 281290, 2023.

N. Q. Rizkina and F. N. Hasan, Analisis Sentimen Komentar Netizen Terhadap Pembubaran Konser NCT 127 Menggunakan Metode Naive Bayes, J. Inf. Syst. Res., vol. 4, no. 4, pp. 11361144, 2023.

H. A. Putra and A. Arista, Jurnal Comasie PERMODELAN STRUKTUR MATERIAL, vol. 3, pp. 94101, 2020.

M. Rizki, D. Devrika, I. H. Umam, and F. S. Lubis, Aplikasi Data Mining dalam Penentuan Layout Swalayan dengan Menggunakan Metode MBA, J. Tek. Ind. J. Has. Penelit. dan Karya Ilm. dalam Bid. Tek. Ind., vol. 5, no. 2, p. 130, 2020.

N. G. Ramadhan and A. Khoirunnisa, Klasifikasi Data Malaria Menggunakan Metode Support Vector Machine, J. Media Inform. Budidarma, vol. 5, no. 4, p. 1580, 2021.

M. A. Wiratama and W. M. Pradnya, Optimasi Algoritma Data Mining Menggunakan Backward Elimination untuk Klasifikasi Penyakit Diabetes, J. Nas. Pendidik. Tek. Inform., vol. 11, no. 1, p. 1, 2022.

L. Y. L. Gaol, M. Safii, and D. Suhendro, Prediksi Kelulusan Mahasiswa Stikom Tunas Bangsa Prodi, vol. 2, no. 2, pp. 97106, 2021.

F. M. Hana, Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma Decision Tree C4.5, J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 4, no. 1, pp. 3239, 2020.