Analisis Kepuasan Peserta Program Indonesia Bisa Baca Quran Melalui Penerapan Data Mining Dengan Algoritma Decision Tree (C4.5) Pada Aplikasi Website Cinta Quran Foundation
Keywords:
Data Mining, Peserta, Klasifikasi, Algoritma C4.5, KepuasanAbstract
Banyaknya data peserta IBBQ yang masuk ke database yang di input begitu saja tanpa pemanfaatan lebih lanjut. Dibutuhkan analisis lebih lanjut untuk mengetahui apa penyebab kepuasan peserta untuk menjadikan program Indonesia Bisa Baca Quran lebih baik lagi.Penelitian ini menggunakan metodologi penelitian kuantitatif, yang mencakup studi pustaka, kemudian dilakukan observasi dan pengumpulan data, selanjutnya menganalisis kuantitatif kebutuhan, kemudian dilakukan perancangan dan terakhir dilakukan pengujian sistem. Metode Pengambilan sampel yang digunakan adalah Pengambilan Sampel Acak Sistematis (Systematic Random Sampling). Metode pengambilan sampel ini menggunakan interval dalam memilih sampel penelitian. mengambil setiap 10 data awal peserta setiap bulannya dari data tahun 2020 hingga 2021, dengan total data yang diperoleh 240 data peserta.Dari hasil data mining yang diketahui bahwa variabel metode yang paling berpengaruh membuat para peserta puas. Dari 48 data testing, di get 43 orang suka dan 5 orang tidak suka. Berdasarkan validasi yang dilakukan untuk menganalisis kepuasan peserta program Indonesia Bisa Baca Quran menggunakan metode klasifikasi dan algoritma C4.5 dengan confusion matrix menghasilkan akurasi sebesar 93.75%, presisi sebesar 100%, dan recall sebesar 93,02%.Memaksimalkan atau menambah variabel yang lebih spesifik dan lebih banyak dalam menentukan kepuasan peserta seperti nilai publikasi dan penambahan dataset dalam pelatihan data dan pengujian data di dapatkan 43 orang suka dan 5 orang tidak suka. Berdasarkan validasi yang dilakukan untuk variabel yang lebih spesifik dan lebih banyak dalam menentukan kepuasan peserta seperti nilai publikasi dan penambahan dataset dalam pelatihan data dan pengujian data.
References
Fadlan, C., Ningsih, S., & Windarto, A. P. (2018). Penerapan Metode Naïve Bayes Dalam Klasifikasi Kelayakan Keluarga Penerima Beras Rastra. JUTIM (Jurnal Teknik Informatika Musirawas), 3(1), 1-8.
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI magazine, 17(3), 37-37.
Han, J., Kamber, M., & Mining, D. (2006). Concepts and techniques. Morgan Kaufmann, 340, 94104-3205.
Kaesmetan, Y. R., & Taek, M. Y. (2016). Penentuan Penerima Beras Raskin di Kelurahan Oesapa Barat Menggunakan Metode K-Nearest Neighbor (KNN). J. Teknol. Terpadu, 2(2).
Kaesmetan, Y. R., & Taek, M. Y. (2016). Penentuan Penerima Beras Raskin di Kelurahan Oesapa Barat Menggunakan Metode K-Nearest Neighbor (KNN). J. Teknol. Terpadu, 2(2).
Kamagi, D., & Hansun, S. (2014). Implementasi Data Mining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswa. Ultimatics : Jurnal Teknik Informatika, 6(1), 15-20. https://doi.org/https://doi.org/10.31937/ti.v6i1.327
Kusrini, E. T. L., & Taufiq, E. (2009). Algoritma data mining. Yogyakarta: Andi Offset.
Rahayu, E. B. (2014). Algoritma C4. 5 Untuk Penjurusan Siswa SMA NEGERI 3 PATI. Progr. Stud. Tek. Inform. Fak. Ilmu Komput, 3-6.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Wendy Asswan Cahyadi, Suhendra Anjar Dinata, Deni Muharam
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.