IMPLEMENTASI DAN ANALISIS ALGORITMA POHON KEPUTUSAN UNTUK

MEMPREDIKSI PRESTASI SISWA

(STUDI KASUS : SMK NEGERI 3 PAREPARE)

IMPLEMENTATION AND ANALYSIS OF DECISION TREE ALGORITHMS TO

PREDICT STUDENT ACHIEVEMENT
(CASE STUDY: SMK NEGERI 3 PAREPARE)

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.

Kata Kunci: Algoritma Pohon Keputusan, Analisis Algoritma, Akurasi, Prediksi

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.

Keywords: Poihon Algorithm Decision, Algorithm Analysis, Accuracy, Student

Achievement Prediction.

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.

Table 1 Mata Pelajaran: Teori Kejuruan Tata Boga

NIL
PG
AI
NO NO. UJIAN NAMA RERA
AK
PI P II TA
HIR
03-109-
1 181-4 ERIN NATAL 90 90 90 90
03-109-
2 182-3 FATIMA M 90 90 90 90
03-109-
3 183-2 HARIANY 88 88 88 88
03-109- HARIYADI
4 184-9 SUKAMDANI S 88 88 88 88
03-109-
5 185-8 IRMA NUR 88 88 88 88
03-109-
6 186-7 JEKLIN 88 88 88 88
03-109- JULINDA ASTRI
7 187-6 UTARI SENDA 90 90 90 90
03-109- KHAERUNNISA
8 188-5 MAPPANGARA 90 90 90 90
03-109-
9 189-4 MARIA SAWE 88 88 88 88
03-109-
10 190-3 MUSTIKA 96 96 96 96

11 03-109- NOVIANTI INDAH 90 90 90 90

 NIL
PG
AI
NO NO. UJIAN NAMA RERA
AK
PI P II TA
HIR
191-2 SARI

03-109- SEPTIAN SURYA

12 193-8 SAIJ 88 88 88 88
03-109-
13 194-7 SINTIA SATRIA 88 88 88 88
03-109-
14 195-6 TRI UTARI SAMAD 88 88 88 88
03-109- YUNITA
15 196-5 ANGGRAINI 88 88 88 88
Sumber: Data diambil di Kurikulum SMK Neg 3 Parepare, 2017

Table 2 Mata Pelajaran: Matematika

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

Banyak peserta didik SMK Neg 3 Parepare yang piawai menghasilkan

karya sesuai dengan kompetensi kejuruannya tetapi mereka lemah dalam mata
pelajaran adaptif dan normatif. Contohnya adalah banyak peserta didik jurusan
Tata Busana mampu membuat dan mendesain busana yang bagus, jurusan Tata
Boga mampu menghasilkan makanan yang enak tapi mereka lemah pada mata
pelajaran Matematika yang menjadi salah satu syarat kelulusannya. Oleh karena
itu, sangat diperlukan perhatian oleh satuan pendidikan untuk mampu
menyelenggarakan pembelajaran yang bisa mengatasi masalah tersebut.
Satu hal yang belum banyak dilakukan oleh lembaga-lembaga pendidikan
atau sekolah kejuruan adalah melakukan antisipasi terhadap peserta didik yang
berpotensi mengalami hambatan atau kurang berprestasi dalam belajarnya. Hal
ini dianggap penting karena semakin awal lembaga-lembaga pendidikan atau
sekolah kejuruan mengetahui adanya potensi siswa yang kemungkinan akan
mengalami hambatan dalam belajarnya, maka lembaga-lembaga pendidikan atau
sekolah bisa melakukan langkah-langkah antisipatif. Dampak dari kurangnya
antisipasi atau pencegahan sejak dini terhadap siswa atau calon siswa yang
berpotensi mengalami hambatan dalam belajarnya atau kurang berprestasi
adalah fakta masih banyak siswa yang tidak naik kelas karena terhambat
prestasinya bahkan ada yang dikeluarkan dari sekolah. Kedua hal tersebut sering
kita dengar dan pasti dialami oleh semua sekolah.
Berdasarkan uraian di atas, maka penelitian ini bertujuan untuk membuat
prediksi sejak dini terhadap siswa yang berpotensi tidak berprestasi atau
mengalami hambatan dalam belajarnya, sehingga dapat dilakukan langkah-
langkah antisipatif dari sekolah untuk menghindarkan diri dari kemungkinan tidak
naik kelas bahkan dikeluarkannya siswa dari sekolah. Langkah yang bisa diambil
sekolah setelah mengetahui adanya siswa yang berpotensi tidak berprestasi
adalah dengan melakukan pendampingan khusus terhadap siswa tersebut.
Beberapa faktor yang mempengaruhi prestasi belajar siswa Sekolah
Menengah Kejuruan antara lain sosial ekonomi orang tua, fasilitas belajar
sekolah, motivasi, kedisiplinan siswa dan prestasi masa lalu siswa. Faktor status
sosial ekonomi orang tua yang mewujudkan pada kemampuan finansialnya.
Dengan kemampuan finansial orang tua, tentunya akan mempengaruhi fasilitas
belajar yang disediakan oleh orang tua terhadap sarana dan prasarana yang
dibutuhkan oleh seorang siswa untuk meningkatkan prestasi belajarnya.
Tulus dalam (Susanto & Sudiyatno, 2014) mengungkapkan bahwa sarana
belajar biasanya menjadi penunjang prestasi belajar, namun demikian bila
kelengkapan fasilitas belajar sebagai sarana penunjang belajar di sekolah
memadai, sebaliknya dapat menjadi faktor penghambat apabila kelengkapan
fasilitas belajar di sekolah kurang memadai. Pengaruh motivasi terhadap prestasi
belajar siswa sangat besar karena itu orang orang di sekitar hendaknya
memberi motivasi yang tepat. Belajar sudah menjadi kewajiban yang harus di
lakukan oleh seorang siswa. Kadang, siswa jenuh dan akhirnya memilih untuk
tidak belajar. Untuk itulah mereka perlu diberi dorongan baik dari segala pihak.
Menurut Biggs dan Tefler dalam Dimyanti dan Mudjiono (1994) yang
dikutip dalam website Jaelani (2011) motivasi belajar siswa dapat menjadi lemah,
lemahnya motivasi atau tiadanya motivasi belajar akan melemahkan kegiatan,
sehingga mutu hasil belajar menjadi rendah. Oleh karena itu, motivasi belajar
pada diri siswa perlu diperkuat terus menerus. Dengan tujuan agar siswa
mempunyai motivasi belajar yang kuat, sehingga hasil belajar yang diraihnya
dapat optimal.
Faktor kedisiplinan dalam pengelolaan pengajaran merupakan suatu hal
yang sangat penting. Tanpa adanya kesadaran akan keharusan melaksanakan
aturan yang sudah ditentukan sebelumnya pengajaran tidak mungkin mencapai
target yang maksimal. Seorang siswa perlu memiliki sikap disiplin dengan
melakukan latihan yang memperkuat dirinya sendiri untuk selalu terbiasa patuh
dan mempertinggi daya kendali diri. Sikap disiplin yang timbul dari kesadarannya
sendiri akan dapat lebih memacu dan tahan lama dibandingkan dengan sikap
disiplin yang timbul karena adanya pengawasan dari orang lain. Seperti halnya
disebutkan oleh Tulus dalam Susanto, H dan Sudiyatno (2014, Vol 4, No 2 )
bahwa dengan disiplin yang muncul karena kesadaran diri, siswa berhasil dalam
belajarnya, tanpa disiplin yang baik suasana sekolah dan juga kelas menjadi
kurang kondusif bagi kegiatan pembelajaran secara positif disiplin memberi
dukungan lingkungan yang tenang dan tertib bagi proses pembelajaran, disiplin
merupakan jalan bagi siswa untuk sukses dalam belajar dan kelak ketika bekerja
karena kesadaran pentingnya norma, aturan, kepatuhan dan ketaatan merupakan
kesuksesan seseorang.
Berdasarkan uraian mengenai faktor-faktor yang mempengaruhi prestasi
belajar siswa di atas, Maka penelitian ini dilakukan dengan tujuan untuk
mengetahui seberapa besar kontribusi dari berbagai faktor terhadap prestasi
belajar siswa dan faktor-faktor mana yang paling dominan kontribusinya terhadap
prestasi belajar siswa. Penelitian ini bertujuan untuk membuat prediksi prestasi
belajar siswa berdasarkan Faktor status sosial ekonomi orang tua, motivasi,
kedisiplinan siswa dan prestasi masa lalu menggunakan metode algoritma
decition J48. Sebagai perbandingan, data penelitian dianalisis juga dengan
Algoritma Genetika. Harapan dari hasil penelitian ini adalah adanya hasil
rumusan faktor-faktor yang mempengaruhi prestasi belajar siswa Berdasarkan
faktor-faktor tersebut, siswa yang diprediksi memiliki faktor-faktor kuat mengalami
hambatan dalam prestasi belajarnya bisa dilakukan langkah-langkah antisipasi
sejak dini terhadap siswa tersebut.
Penelitian-penelitian tentang Memprediksi Prestasi belajar siswa
sebelumnya pernah diteliti oleh Susanto, H dan Sudiyatno (2014) dengan judul
penelitian : Data Mining Untuk Memprediksi Prestasi Siswa Berdasarkan Sosial
Ekonomi, Motivasi, Kedisiplinan Dan Prestasi Masa Lalu. Penelitian ini bertujuan
untuk membuat prediksi prestasi belajar siswa berdasarkan status sosial ekonomi
orang tua, motivasi, kedisiplinan siswa dan prestasi masa lalu menggunakan
metode data mining dengan decision tree algoritma J48. Sebagai perbandingan,
data penelitian dianalisis juga dengan CHAID (Chi Squared Automatic Interaction
Detection) dan regresi ganda. Hasil penelitian menunjukkan bahwa analisis
prediksi menggunakan decision tree algoritma J48 memiliki akurasi lebih baik
dibandingkan dengan metode CHAID dan regresi ganda. Yunanti (2010)
melakukan penelitian dengan judul Aplikasi Jaringan Syaraf Tiruan Untuk
Memprediksi Prestasi Siswa SMU Dengan Metode Backpropagation. Tujuan dari
penelitian ini adalah mempelajari teori jaringan syaraf tiruan backpropagation
menggunakan metode literature dan analisis data. Hasil analisis penelitian
menunjukkan bahwa jaringan syaraf backpropagation adalah sistem pemrosesan
informasi yang bertujuan untuk melatih jaringan agar mendapat keseimbangan
antara kemampuan jaringan untuk mengenali pola yang digunakan selama
pelatihan dan kemampuan jaringan untuk memberikan respon yang benar
terhadap pola msukan yang serupa (tetapi tidak sama) dengan pola yang
digunakan selama pelatihan. Sehingga dapat diperkirakan bahwa dari 50 data
yang dilatihkan ada 29 data yang tidak sesuai dengan output yang diinginkan,
sedangkan ada 21 data yang sesuai dengan output yang diinginkan, artinya
banyak peserta didik yang kurang berprestasi saat disekolah Menegah Umum
(SMU) walaupun ketika disekolah Menengah Pertama (SMP) mereka berprestasi.
Berdasarkan latar belakang tersebut penulis tertarik untuk mengangkat Judul
tentang implementasi dan analisis algoritma pohon keputusan untuk memprediksi
prestasi siswa (studi kasus : smk negeri 3 parepare).

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).

C. HASIL DAN PEMBAHASAN

Penelitian ini menggunakan data 349 siswa SMK Negeri 3 Parepare Kelas
X. Dalam aturan klasifikasi yang telah dilakukan dengan metode Pohon
Keputusan menggunakan algoritma C.45 untuk menghasilkan Output dari
penentuan pola pada training data digunakan perangkat lunak bantu WEKA.
Berdasarkan tujuan penelitian ini maka dapat dilihat dari hasil penelitian yang
telah dilakukan mulai dari pengumpulan data, prosesing data hingga
menghasilkan output yaitu :
1. Menentukan atribute yang akan menjadi Node Akar. Untuk menentukan
atribute yang akan menjadi akar harus dihitung entropy. Entropy merupakan
ukuran ketidakpastian dimana semakin tinggi entropy, maka semakin tinggi
ketidakpastian.

Table 3 Hasil perhitungan entropy dan gain untuk node akar

NILAI
Node ATRIBUT JUMLAH BAIK BURUK ENTROPY GAIN
ATRIBUT
1 TOTAL 349 283 66 0.6996

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

Gambar 2. Hasil pembentukan node akar.

2. Menentukan Rule dari pohon keputusan yang terbentuk.

Dari Gambar 3 tersebut temukan aturan-aturan (rules). Aturan- aturan
yang dihasilkan berguna saat melakukan prediksi. Dimulai dari node akar
jika Prestasi masa lalu Tidak Tuntas dan kedisiplinan masuk dalam kategori Tidak
disiplin maka siswa tergolong kategori buruk. Bentuk aturan IF THEN yang
dihasilkan dari pohon keputusan sebagai berikut :
1) if (prestasi_ml == Tidak Tuntas AND kedisiplinan == Tidak) then Buruk
2) if (prestasi_ml == Tidak Tuntas AND kedisiplinan == Ya AND
status_ekonomi_ortu == Mampu AND motivasi == Lemah)then Buruk
3) if (prestasi_ml == Tidak Tuntas AND kedisiplinan == Ya AND
status_ekonomi_ortu == Mampu AND motivasi == Tinggi) then Baik
4) if (prestasi_ml == Tidak Tuntas AND kedisiplinan == Ya AND
status_ekonomi_ortu == Tidak Mampu AND motivasi == Lemah) then Buruk
5) if (prestasi_ml == Tidak Tuntas AND kedisiplinan == Ya AND
status_ekonomi_ortu == Tidak Mampu AND motivasi == Tinggi) then Buruk
6) if (prestasi_ml == Tuntas AND motivasi == Lemah AND kedisiplinan == Tidak
AND status_ekonomi_ortu == Mampu)then Buruk
7) if (prestasi_ml == Tuntas AND motivasi == Lemah AND kedisiplinan == Tidak
AND status_ekonomi_ortu == Tidak Mampu) then Buruk
8) if (prestasi_ml == Tuntas AND motivasi == Lemah AND kedisiplinan ==
Ya) then Baik
9) if (prestasi_ml == Tuntas AND motivasi == Tinggi) then Baik
 1
PrestasiML
Tidak Tuntas Tuntas

2 3
Kedisiplinana Motivasi

Tidak Ya Rendah Tinggi

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

Buruk Buruk Buruk Baik Buruk Buruk

Gambar 3. Hasil pembentukan pohon keputusan

Menentukan Tingkat akurasi variable Prediktor terhadap prestasi belajar

siswa dengan menggunakan metode Pohon Keputusan Algoritma C4.5. Dalam
aturan klasifikasi yang telah dilakukan dengan metode Pohon Keputusan
menggunakan algoritma C.45 untuk menghasilkan Output dari penentuan pola
pada training data digunakan perangkat lunak bantu WEKA. Dan Hasil evaluasi
dari data test set, di dapatkan bahwa nilai keakuratan dalam memprediksi
prestasi siswa menunjukkan hasil yaitu 98,85% dan error 1.15%. Dengan kata
lain algoritma C4.5 bekerja dengan baik dan bisa di terapkan untuk memprediksi
prestasi siswa. Hal ini sesuai dengan teori menurut (HIDAYATSYAH, 2013)
Semakin kecil persentase nilai akurasi yang dihasilkan pada data testing
menandakan nilai error yang dihasilkan besar , maka rule yang dihasilkan pun
tidak baik. Begitu pula sebaliknya, semakin besar nilai akurasi yang dihasilkan
pada data testing menandakan nilai error yang dihasilkan kecil, maka akan
menghasilkan rule yang baik pula.

D. KESIMPULAN DAN SARAN

Adapun kesimpulan yang dihasilkan dari Penelitian yang berjudul
Implementasi Dan Analisis Algoritma Pohon Keputusan Untuk Memprediksi
Prestasi Siswa (Studi Kasus : Smk Negeri 3 Parepare) maka ditarik kesimpulan
sebagai berikut :
1. Node akar ditentukan dari data yang sudah diketahui Label kelasnya setalah
itu menghitung entropy masing-masing atribute. Selanjutnya dilakukan
perhitungan Gain dimasing-masing atribute. Dari hasil perhitungan entropy
dan Gain dimasing masing atribut 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.
2. Aturan-aturan pohon keputusan dihasilkan dari pembentukan pohon
keputusan yang dimulai dari pembentukan akar kemudian membentuk sub
akar dan akan berhenti sampai membentuk daun. Maka aturan yang akan
dihasilkan akan akan dimulai dari akar seperti if (prestasi_ml == Tidak Tuntas
AND kedisiplinan == Tidak) then Buruk artinya jika Prestasi masa lalu Tidak
Tuntas dan kedisiplinan masuk dalam kategori Tidak disiplin maka siswa
tergolong kategori buruk.
3. Hasil evaluasi dari data test set, di dapatkan bahwa nilai keakuratan dalam
memprediksi prestasi siswa menunjukkan hasil yaitu 98,85% dan error
1.15%. Dengan kata lain algoritma C4.5 bekerja dengan baik dan bisa di
terapkan untuk memprediksi prestasi siswa. Hal ini sesuai dengan teori
menurut (HIDAYATSYAH, 2013) Semakin kecil persentase nilai akurasi yang
dihasilkan pada data testing menandakan nilai error yang dihasilkan besar ,
maka rule yang dihasilkan pun tidak baik. Begitu pula sebaliknya, semakin
besar nilai akurasi yang dihasilkan pada data testing menandakan nilai error
yang dihasilkan kecil, maka akan menghasilkan rule yang baik pula.

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.