Академический Документы
Профессиональный Документы
Культура Документы
ANDI ROY
0024 01 42 2015
Program Pascasarjana Universitas Muslim Indonesia Makassar
Telepon: 085399392393, Email: andiroy177@gmail.com
Abstrak
ANDI ROY. Implementasi Dan Analisis Algoritma Pohon Keputusan Untuk
Memprediksi Prestasi Siswa Studi Kasus : Smk Negeri 3 Parepare (dibimbing oleh
H.Basri Modding, Armin Lawi).
Penelitian ini dilakukan dengan tujuan untuk membuat prediksi prestasi
belajar siswa atribut yang digunakan dalam penelitian ini diantaranya status sosial
ekonomi orang tua, motivasi, kedisiplinan siswa dan prestasi masa lalu
menggunakan metode pohon keputusan dengan algoritma C4.5.
Pendekatan penelitian yang digunakan adalah kuantitatif. Subyek penelitian
ini adalah siswa tingkat X SMK Negeri 3 Parepare berjumlah 349 siswa. Teknik
pengumpulan data yang digunakan adalah dokumentasi dan angket.
Hasil penelitian ini menunjukkan bahwa evaluasi dari data test set, di
dapatkan bahwa nilai keakuratan dalam memprediksi prestasi siswa
menunjukkan hasil yaitu 98,85% dan error 1.15% tingginya tingkat akurasi dapat
disimpulkan bahwa algoritma C4.5 memiliki kinerja yang cukup baik dalam
membentuk Aturan-aturan. Dengan kata lain algoritma C4.5 bekerja dengan baik
dan bisa di terapkan untuk memprediksi prestasi siswa.
Abstract
ANDI ROY. Implementation And Analysis Of Decision Tree Algorithms To
Predict Student Achievement Case Study: Smk Negeri 3 Parepare (guided by H.
Basri Modding, Armin Lawi).
This study was conducted with the aim to make predictions of student
achievement attributes used in this study include the socioeconomic status of
parents, motivation, student discipline and past achievements using the decision
tree method with C4.5 algorithm.
The research approach used is quantitative. The subjects of this study are
students of level X SMK Negeri 3 Parepare amounted to 349 students. Data
collection techniques used are documentation and questionnaires.
The results of this study indicate that the evaluation of the test set data,
obtained that the value of accuracy in predicting student achievement shows the
results of 98.85% and error 1.15% high level of accuracy can be concluded that
the C4.5 algorithm has a good performance in forming Rules- Rules. In other
words C4.5 algorithm works well and can be applied to predict student
achievement.
A. Pendahuluan
Proses belajar dan mengajar adalah hal yang amat penting artinya dalam
metode pengajaran disekolah. Dapat dikatakan bahwa proses tersebut
menempati posisi penting dalam usaha mensukseskan kegiatan pengajaran dan
pendidikan pada umumnya. Kemajuan suatu bangsa atau negara sangat
ditentukan oleh tingkat pendidikan di Negara tersebut oleh karena itu peningkatan
mutu dan kualitas pendidikan sangat penting untuk menjawab tantangan masa
depan.
Fungsi pendidikan adalah membimbing anak ke arah suatu tujuan yang
kita nilai tinggi, pendidikan yang baik adalah usaha yang berhasil membawa
semua anak didik kepada tujuan itu. Apa yang diajarkan hendaknya dipahami
sepenuhnya oleh semuah anak. Murid murid berbeda secara individual dalam
caranya belajar. Perbedaan individual ini harus dipertimbangkan dalam stretegi
mengajar agar tiap anak dapat berkembang sepenuhnya serta menguasai bahan
pelajaran secara tuntas. Bahwa tujuan ini tidak mudah dan tidak akan tercapai
bila guru harus mengajar secara rutin dapat kita pahami. Namun ini merupakan
suatu tantangan bagi setiap guru yang ingin pekerjaannya benar-benar sebagai
suatu profesi.
Usaha untuk meningkatkan kualitas lulusan SMK, dibutuhkan kerjasama
dan sinkronisasi yang baik antara pemerintah, manajemen sekolah, kemitraan
dengan dunia industri, kompetensi guru, orang tua dan siswa sendiri. Beberapa
elemen tersebut sangat berpengaruh baik secara langsung maupun tidak
langsung terhadap peningkatan mutu siswa, yang pada akhirnya akan berimbas
pada peningkatan kualitas pendidikan. Prestasi belajar siswa dipengaruhi oleh
banyak faktor. Salah satu faktor penting dalam pendidikan agar prestasi belajar
siswa meningkat adalah manajemen pembelajaran di sekolah. Semakin baik
manajemen pembelajaran yang ditawarkan sekolah kepada siswa semakin besar
pula kemungkinanan prestasi belajar siswa akan baik.
SMK Negeri 3 Parepare merupakan salah satu dari beberapa SMK Negeri
di Kota Parepare yang berusaha mencetak lulusan yang siap kerja dan siap
bersaing dalam dunia kerja. Tetapi Satu permasalahan yang sering muncul di
kalangan peserta didik SMK Neg 3 Parepare adalah masih banyak yang
mementingkan kompetensi mata pelajaran produktif daripada mata pelajaran
adaptif dan normatif. Hal itu dapat kita lihat dari nilai hasil ujian akhir sekolah
tahun pelajaran 2016- 2017 di Smk Negeri 3 Parepare terlihat bahwa nilai teori
kerujuan lebih tinggi dibandingkan nilai matematika lihat Table 1 dan Tabel 2.
PG NILAI
NO NO. UJIAN NAMA RERATA
PI P II AKHIR
03-109-
1 181-4 ERIN NATAL 80 80 80 80
03-109-
2 182-3 FATIMA M 78 80 79 79
03-109-
3 183-2 HARIANY 78 80 79 79
03-109- HARIYADI
4 184-9 SUKAMDANI S 80 80 80 80
03-109-
5 185-8 IRMA NUR 78 80 79 79
03-109-
6 186-7 JEKLIN 86 88 87 87
03-109- JULINDA ASTRI
7 187-6 UTARI SENDA 84 86 85 85
03-109- KHAERUNNISA
8 188-5 MAPPANGARA 80 80 80 80
PG NILAI
NO NO. UJIAN NAMA RERATA
PI P II AKHIR
03-109-
9 189-4 MARIA SAWE 74 76 75 75
03-109-
10 190-3 MUSTIKA 76 78 77 77
03-109- NOVIANTI INDAH
11 191-2 SARI 80 80 80 80
03-109- SEPTIAN SURYA
12 193-8 SAIJ 76 78 77 77
03-109-
13 194-7 SINTIA SATRIA 76 78 77 77
03-109-
14 195-6 TRI UTARI SAMAD 80 80 80 80
03-109- YUNITA
15 196-5 ANGGRAINI 80 80 80 80
Sumber: Data diambil di Kurikulum SMK Neg 3 Parepare, 2017
B. Metodologi Penelitian
Pendekatan dalam penelitian ini menggunakan pendekatan kuantitatif,
Subyek penelitian ini adalah siswa SMK Negeri 3 Parepare. Teknik pengumpulan
data yang digunakan adalah dokumentasi dan angket. Penelitian ini memperoleh
data dari angket dan dokumentasi.
Penelitian ini mengunakan teknik Decision Tree untuk melakukan prediksi
prestasi belajar siswa SMK Negeri 3 Parepare berdasarkan status ekonomi orang
tua, motivasi, kedisiplinan dan prestasi masa lalu. Decision Tree akan
memperlihatkan faktor-faktor kemungkinan (probabilitas) yang akan
mempengaruhi alternatif alternatif prestasi belajar siswa, disertai dengan
prediksi hasil akhir yang akan didapat bila faktor-faktor dalam decision tree
terpenuhi. Decision tree akan mengubah data kedalam bentuk visual berupa
diagram pohon dan aturan-aturan keputusan.
Data dalam Decision Tree dinyatakan dalam bentuk tabel dengan atribut
dan record. Atribut menyatakan suatu parameter yang dibuat sebagai kriteria
dalam pembentukan tree. Salah satu atribut yang merupakan atribut yang
menyatakan data solusi per-item data yang disebut dengan target atribut. Atribut
memiliki nilai-nilai yang dinamakan dengan instance. Alur proses analisis dalam
decision tree adalah mengubah bentuk data (table) menjadi model tree,
mengubah model tree menjadi rule dan menyederhanakan rule (pruning).
0.0379
Kedisiplinan
YA 115 107 8 0.3643
Tidak 234 176 58 0.8079
0.2388
Prestasi ML Tuntas 309 279 30 0.4597
Tidak
Tuntas 40 4 36 0.4690
Status
0.0002
Ekonomi Ortu
Mampu 95 78 17 0.6778
Tidak
Mampu 254 205 49 0.7075
0.2192
Motivasi
Tinggi 302 274 28 0.4455
Rendah 47 9 38 0.7046
Hasil perhitungan Entropy dan informasi Gain disajikan pada Tabel 3. Dari
hasil perhitungan entropy dan Gain menunjukkan bahwa Gain tertinggi ada di
Atribute Prestasi Masa Lalu yaitu 0.2388. Menurut (Prasetyo, 2014) Gain tertinggi
sebagai Node Akar. Oleh karena itu Prestasi Masa Lalu dijadikan sebagai Node
Akar. seperti yang ditunjukkan pada gambar 2.
1
PrestasiML
Tidak Tuntas Tuntas
2 3
2 3
Kedisiplinana Motivasi
Buruk 5 6 Baik
SEO Kedisiplinan
Tidak Mampu Mampu Tidak
Ya
9 Baik 11
8
Motivai SEO
Motivasi
Tinggi Tinggi Mampu
Rendah Rendah Tidak Mampu
DAFTAR PUSTAKA
Susanto, H., & Sudiyatno. (2014). Data Mining Untuk Memprediksi Prestasi Siswa
Berdasarkan Sosial Ekonomi, Motivasi, Kedisiplinan Dan Prestasi Masa Lalu.
Jurnal Pendidikan Vokasi, 222.
Prasetyo, E. (2014). Data Mining Mengolah Data Menjadi Informasi
Menggunakan Matlab. Penerbit Andi: Yogyakarta.
Hidayatsyah, M. R. (2013). Penerapan Metode Decision Tree Dalam Pemberian
Pinjaman Kepada Debitur Dengan Algoritma C4.5 (Studi Kasus : Bank
Perkreditan Rakyat Syariah). 81.