Implementasi FIS Sugeno pada Algoritma C4.5 Berbasis Particle Swarm Optimization (PSO ) untuk Prediksi Prestasi Siswa
Keywords:
fuzzy inference system, Sugeno, C4.5Abstract
Standar kompetensi kelulusan siswa yang meliputi kemampuan berpikir logis, kritis, kreatif dan inovatif, serta pencapaian prestasi nilai rata – rata UN teori dan praktik merupakan salah satu elemen penilaian akreditasi sekolah menengah. Namun permasalahannya rata – rata hasil ujian nasional di 100 SMK Negeri dan Swasta di jakarta tahun ajaran 2015 – 2017 mengalami penurunan dari 73,51 menjadi 69,05 berdasarkan data dari situs resmi kementrian pendidikan dan kebudayaan. Oleh sebab itu dalam penelitian ini bertujuan untuk membangun model dengan mengimplementasikan fuzzy inference system metode sugeno pada algoritma decision tree C4.5 berbasis particle swarm optimization (pso) serta membuktikan apakah performa algoritma dilihat dari tingkat akurasi, spesitifitas dan sensitifitas mengalami peningkatan performa algoritma yang dihasilkan oleh algoritma decision tree C4.5 berbasis PSO dalam memprediksi prestasi siswa. Implementasi Algoritma decision tree C4.5 berbasis particle swarm optimization (pso) menggunakan 299 data dengan 32 atribut independen dan 1 atribut dependen menghasilkan pohon keputusan dengan jumlah atribut sebanyak 18 atribut dependen dan 1 atribut dependen yang akan digunakan sebagi rule dalam implementasi fis sugeno. Dalam implementasinya diperoleh hasil bahwa implementasi fis sugeno pada algoritma decision tree C4.5 berbasis PSO(Particle Swarm Optimization) mampu meningkatkan performa tingkat akurasi algoritma C4.5 berbasis PSO dari 94,66% menjadi 96% dan spesitifitas dari 94,24% menjadi 97,80%.
References
Fitri, D.L., & Darmanto, E. (2014). Sistem Pendukung Keputusan untuk Memprediksi Kelulusan Mahasiswa Menggunakan Metode Naïve Bayes. Seminar Prosiding SNATIF, Universitas Muria Kudus.
Izzah, A., & Widyastuti, R. (2016). Prediksi Kelulusan Mata Kuliah Menggunakan Hybrid Fuzzy Inference System. Jurnal Ilmiah Teknologi Sistem Informasi.
Kamagi, D.H., & Hansun, S. (2014). Implementasi Data Mining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswa. Jurnal Ultimatics.
Kamsyakawuni, A., Gernowo, R., & Sarwoko, E.A. (2012). Aplikasi Sistem Pakar untuk Diagnosa Penyakit Hipertiroid dengan Metode Inferensi Fuzzy Mamdani. Jurnal Sistem Infomasi Bisnis.
Kementrian Pendidikan Nasional. (2009). Kriteria dan Perangkat Akreditasi Sekolah Menengah Kejuruan/Madrasah Aliyah Kejuruan (SMK/MAK)(Permendiknas Nomor 13 tahun 2009). Jakarta.
Kementrian Pendidikan Nasional. (2009). Perangkat Akreditasi Program Studi Sarjana (S1) (Permendiknas Nomor 73 tahun 2009). Jakarta.
Mauriza, A.F., & Nugorho, Y.S. (2014). Implementasi Data Mining untuk Memprediksi Kelulusan Mahasiswa Fakultas Komunikasi dan Informatika UMS Menggunakan Metode Naïve Bayes. Skripsi, Teknik Informatika, Universitas Muhammadiyah Surakarta.
Menakshi, & Nakar, P. (2015). Application of Fuzzy Logic for Evaluation of Academic Performance of Students of Computer Application Course. Ijraset.
Mohammad, B. (2014). Perbandingan Algoritma C4.5 dan Neural Network untuk Memprediksi Hasil Pemilu Legislatif DKI Jakarta. Jurnal Piral Nusa Mandiri.
Nurhidayat, F. (2013). Penentuan Besar Akurasi Metode Klasifikasi Menggunakan Algoritma C4.5 Berbasis Particle Swarm Optimization pada Prediksi Penyakit Diabetes. Skrisi, Teknik Informatika UDINUS.
Permana, R.A. (2016). Seleksi Atribut Pada Metode Support Vector Machine untuk Menentukan Kelulusan Mahasiswa E-Learning. Jurnal Evolusi.
Puji, A. (2016). Komparasi Penerapan Algoritma C4.5, KNN dan Neural Network dalam Proses Kelayakan Penerimaan Kredit Kendaraan Bermotor. Jurnal Faktor Exacta.
Retno, A.S. (2013). Fuzzy Mamdani dalam Menentukan Tingkat Keberhasilan Dosen Mengajar. Seminar Nasional Informatika, UPN Veteran Yogyakarta.
Sofi, D. (2015). Penentuan Peminatan Tugas Akhir Mahasiswa Teknik Informatika UNISKA. Jurnal Ilmiah Solusi.
