Students Grade Grouping to Optimize On-Time Graduation Predictions by Combining K-Means and C4.5 Algorithms (Case Study: University Potensi Utama)

Bob Subhan Riza, Sarjon Defit

Abstract


Graduating on time is the dream of every student who studies in universities. Some factors that can lead to failure in graduating on time, such as grades, though students are sometimes careless and underestimating this factor, despite knowing that problematic Grade will hinder the student from graduating on time. This research helps the study program to predict which students will graduate on time. There are 2 stages in the research, first is the process of clustering students' data using the K-Means algorithm, while the second stage predicts students' graduation using the C4.5 algorithm. Variable used are Grade, Failing Grade, Specialization, Internship, Thesis, Undergraduate Thesis 1, Undergraduate Thesis 2, and Passing Grade. Using RapidMiner and processing these data using this software can predict students that graduate on time.

Keywords


K-Means; C4.5; Graduated on Time; Student Grades

Full Text:

PDF (Indonesian)

References


Elizawati, N., & Lesmana, L. S. (2017). Analisis Nilai Rapor Siswa Kelas X Jurusan Multimedia Terhadap Minat pada Pelajaran Produktif Di Kelas XII untuk Menentukan Kompetensi Siswa dengan Metode Clustering Algoritma K-Means (Studi Kasus Di SMKN 4 Padang). Jurnal Komputer Terapan, 3(2), 133-148.

Hairani, H., Saputro, K. E., & Fadli, S. (2020). K-means-SMOTE untuk menangani ketidakseimbangan kelas dalam klasifikasi penyakit diabetes dengan C4.5, SVM, dan naive Bayes. Jurnal Teknologi Dan Sistem Komputer.

Helilintar, R., & Farida, I. N. (2018). Penerapan Algoritma K-Means Clustering Untuk Prediksi Prestasi Nilai Akademik Mahasiwa. Jurnal Sains Dan Informatika. https://doi.org/10.34128/jsi.v4i2.140

Muliono, R., & Sembiring, Z. (2019). Data Mining Clustering Menggunakan Algoritma K-Means Untuk Klasterisasi Tingkat Tridarma Pengajaran Dosen. CESS (Journal of Computer Engineering, System and Science).

Mulyani, E. D. S. dkk. (2018). Implementasi Algoritma K-Means Dan Fp- Growth Untuk Rekomendasi Bimbingan Belajar Berdasarkan Segmentasi Akademik Siswa. IT Journal.

Nanda, A. P., Pramono, D. E. H., & Hartati, S. (2020). Menentukan Tingkat Kepuasan Mahasiswa Terhadap Pelayanan Akademik Menggunakan Metode Algoritma K-Means. Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika), 11(1), 23-28.

Nasari, F., & Sianturi, C. J. M. (2016). Penerapan Algoritma K-Means Clustering Untuk Pengelompokkan Penyebaran Diare Di Kabupaten Langkat. CogITo Smart Journal. https://doi.org/10.31154/cogito.v2i2.19.108-119

Pradnyana, G. A., & Permana, A. A. J. (2018). ). Sistem Pembagian Kelas Kuliah Mahasiswa Dengan Metode K-Means Dan K-Nearest Neighbors Untuk Meningkatkan Kualitas Pembelajaran. JUTI: Jurnal Ilmiah Teknologi Informasi. https://doi.org/10.12962/j24068535.v16i1.a696

Priyatman, H., Sajid, F., & Haldivany, D. (2019). Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan Mahasiswa. Jurnal Edukasi Dan Penelitian Informatika (JEPIN). https://doi.org/10.26418/jp.v5i1.29611

Putra, R. R., & Wadisman, C. (2018). Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K Means. INTECOMS: Journal of Information Technology and Computer Science. https://doi.org/10.31539/intecoms.v1i1.141

Ridwan, M., Suyono, H., & Sarosa, M. (2013). Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. Jurnal EECCIS.

Rosmini, R., Fadlil, A., & Sunardi, S. (2018). Implementasi Metode K-Means Dalam Pemetaan Kelompok Mahasiswa Melalui Data Aktivitas Kuliah. IT JOURNAL RESEARCH AND DEVELOPMENT. https://doi.org/10.25299/itjrd.2018.vol3(1).1773

Saleh, A., & Nasari, F. (2018). Penggunaan Teknik Unsupervised Discretization pada Metode Naive Bayes dalam Menentukan Jurusan Siswa Madrasah Aliyah. Jurnal Teknologi Informasi Dan Ilmu Komputer. https://doi.org/10.25126/jtiik.201853705




DOI: http://dx.doi.org/10.35671/telematika.v14i1.1109

Refbacks

  • There are currently no refbacks.




Indexed by:


Telematika
ISSN: 2442-4528 (online) | ISSN: 1979-925X (print)
Published by : Universitas Amikom Purwokerto
Jl. Let. Jend. POL SUMARTO Watumas, Purwonegoro - Purwokerto, Indonesia


Creative Commons License This work is licensed under a Creative Commons Attribution 4.0 International License .