Javascript must be enabled to continue!
Implementasi Algoritma SVM dan C4.5 dalam Klasifikasi Calon Penerimaan Beasiswa
View through CrossRef
Dalam proses seleksi penerima beasiswa, berbagai kriteria dipertimbangkan secara menyeluruh. Nilai akademik, keadaan ekonomi, dan lainnya adalah beberapa faktor penting yang harus dipertimbangkan. Namun, dengan banyaknya calon yang mendaftar, proses seleksi manual menjadi tidak efisien dan rentan terhadap kesalahan. Penelitian ini menyarankan penggunaan algoritma Support Vector Machine (SVM) dan C4.5 untuk mengklasifikasikan calon penerima beasiswa.
Tujuan dari penelitian ini untuk mengevaluasi kinerja kedua algoritma dalam memprediksi kandidat penerima beasiswa dengan data historis yang tersedia. Nilai rata-rata, penghasilan orang tua, dan aktivitas ekstrakurikuler adalah beberapa fitur yang relevan yang digunakan dalam dataset. Memanfaatkan metrik akurasi, presisi, recall, dan skor F1, kinerja kedua algoritma dievaluasi. Hasil eksperimen menunjukkan bahwa kedua algoritma mampu memberikan prediksi yang cukup akurat; algoritma C4.5 menunjukkan keunggulan dalam interpretabilitas hasil klasifikasi, sementara SVM menunjukkan keunggulan dalam akurasi prediksi.
Ketika semua dikatakan dan dilakukan, implementasi algoritma SVM dan C4.5 dapat sangat membantu proses seleksi calon penerima beasiswa, mengurangi beban kerja manual, dan meningkatkan akurasi dan objektivitas proses. Selain itu, penelitian ini memberikan saran untuk membangun sistem pendukung keputusan yang lebih efisien yang berbasis pembelajaran mesin untuk manajemen penerimaan beasiswa.
Dalam penelitian ini, model SVM dan C4.5 telah diuji untuk klasifikasi calon penerima beasiswa. Model C4.5 menunjukkan kinerja yang lebih baik dalam semua metrik evaluasi dibandingkan model SVM. Oleh karena itu, model C4.5 disarankan untuk digunakan dalam implementasi sistem klasifikasi calon penerima beasiswa. Namun, model SVM tetap relevan sebagai alat tambahan dalam validasi prediksi. Pengembangan lebih lanjut dengan tuning parameter dan eksplorasi algoritma ensemble dapat lebih meningkatkan kinerja sistem klasifikasi ini.
Kata kunci: SVM, C4.5, seleksi, klasifikasi, beasiswa
Universitas Putra Indonesia YPTK Padang
Title: Implementasi Algoritma SVM dan C4.5 dalam Klasifikasi Calon Penerimaan Beasiswa
Description:
Dalam proses seleksi penerima beasiswa, berbagai kriteria dipertimbangkan secara menyeluruh.
Nilai akademik, keadaan ekonomi, dan lainnya adalah beberapa faktor penting yang harus dipertimbangkan.
Namun, dengan banyaknya calon yang mendaftar, proses seleksi manual menjadi tidak efisien dan rentan terhadap kesalahan.
Penelitian ini menyarankan penggunaan algoritma Support Vector Machine (SVM) dan C4.
5 untuk mengklasifikasikan calon penerima beasiswa.
Tujuan dari penelitian ini untuk mengevaluasi kinerja kedua algoritma dalam memprediksi kandidat penerima beasiswa dengan data historis yang tersedia.
Nilai rata-rata, penghasilan orang tua, dan aktivitas ekstrakurikuler adalah beberapa fitur yang relevan yang digunakan dalam dataset.
Memanfaatkan metrik akurasi, presisi, recall, dan skor F1, kinerja kedua algoritma dievaluasi.
Hasil eksperimen menunjukkan bahwa kedua algoritma mampu memberikan prediksi yang cukup akurat; algoritma C4.
5 menunjukkan keunggulan dalam interpretabilitas hasil klasifikasi, sementara SVM menunjukkan keunggulan dalam akurasi prediksi.
Ketika semua dikatakan dan dilakukan, implementasi algoritma SVM dan C4.
5 dapat sangat membantu proses seleksi calon penerima beasiswa, mengurangi beban kerja manual, dan meningkatkan akurasi dan objektivitas proses.
Selain itu, penelitian ini memberikan saran untuk membangun sistem pendukung keputusan yang lebih efisien yang berbasis pembelajaran mesin untuk manajemen penerimaan beasiswa.
Dalam penelitian ini, model SVM dan C4.
5 telah diuji untuk klasifikasi calon penerima beasiswa.
Model C4.
5 menunjukkan kinerja yang lebih baik dalam semua metrik evaluasi dibandingkan model SVM.
Oleh karena itu, model C4.
5 disarankan untuk digunakan dalam implementasi sistem klasifikasi calon penerima beasiswa.
Namun, model SVM tetap relevan sebagai alat tambahan dalam validasi prediksi.
Pengembangan lebih lanjut dengan tuning parameter dan eksplorasi algoritma ensemble dapat lebih meningkatkan kinerja sistem klasifikasi ini.
Kata kunci: SVM, C4.
5, seleksi, klasifikasi, beasiswa.
Related Results
Pengembangan Sistem Informasi Pengelolaan Beasiswa Politeknik Caltex Riau
Pengembangan Sistem Informasi Pengelolaan Beasiswa Politeknik Caltex Riau
Politeknik Caltex Riau mengelola beberapa beasiswa yang sumber pendanaannya bisa berasal dari pemerintah maupun swasta. Pengelolaan skema beasiswa ini dilakukan secara manual berup...
Sistem Pendukung Keputusan Penerimaan Beasiswa Dengan Metode Simple Additive Weighting (SAW)
Sistem Pendukung Keputusan Penerimaan Beasiswa Dengan Metode Simple Additive Weighting (SAW)
Sistem pendukung keputusan (SPK) penerimaan beasiswa adalah sistem yang membantu pihak pemberi beasiswa untuk menentukan calon penerima beasiswa. Salah satu metode yang dapat digun...
STUDI KOMPARASI ALGORITMA NAÏVE BAYES DAN K-NN UNTUK KLASIFIKASI PENERIMAAN BEASISWA DI MI AL – ISLAMIYAH KARANGSAWAH
STUDI KOMPARASI ALGORITMA NAÏVE BAYES DAN K-NN UNTUK KLASIFIKASI PENERIMAAN BEASISWA DI MI AL – ISLAMIYAH KARANGSAWAH
Pemberian beasiswa dilakukan agar para siswa dapat tetap melanjutkan sekolah, dalam menyeleksi siswa parameter yang digunakan terdiri dari jarak, tanggungan, pekerjaan orag tua, pe...
PENERAPAN ALGORITMA KLASIFIKASI SEBAGAI PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA MAHASISWA
PENERAPAN ALGORITMA KLASIFIKASI SEBAGAI PENDUKUNG KEPUTUSAN PEMBERIAN BEASISWA MAHASISWA
Beasiswa merupakan bantuan pemerintah maupun swasta berupa sejumlah uang yang diberikan kepada siswa yang sedang atau yang akan mengikuti pendidikan di sekolah...
PENERAPAN ALGORITMA C4.5 DALAM KLASIFIKASI PENERIMAAN PESERTA DIDIK BARU
PENERAPAN ALGORITMA C4.5 DALAM KLASIFIKASI PENERIMAAN PESERTA DIDIK BARU
Peserta didik adalah anggota masyarakat yang berusaha mengembangkan dirinya melalui proses pendidikan pada jalur, jenjang, dan jenis tertentu. Adapun beberapa atribut yang mempenga...
FAKTOR-FAKTOR YANG MEMPENGARUHI MORTALITAS PADA PASIEN DENGAN FRAKTUR COSTA: Literature Review
FAKTOR-FAKTOR YANG MEMPENGARUHI MORTALITAS PADA PASIEN DENGAN FRAKTUR COSTA: Literature Review
FAKTOR-FAKTOR YANG MEMPENGARUHI MORTALITAS PADA PASIEN DENGAN FRAKTUR COSTA: Literature Review Anna Tri Wahyuni1), Masfuri2), Liya Arista3)1,2,3 Fakultas Ilmu Keperawatan Univers...
PERANCANGAN SISTEM INFORMASI PENDATAAN CALON PENERIMA BEASISWA BAZNAS KABUPATEN ASAHAN
PERANCANGAN SISTEM INFORMASI PENDATAAN CALON PENERIMA BEASISWA BAZNAS KABUPATEN ASAHAN
Abstract: Poverty is a serious problem in developing countries, including Indonesia, which has an impact on limited access to education. To address this issue, BAZNAS (National Ami...
ARTIKEL ALGORITMA PEMROGRAMAN SERI MINTA UBA HASIBUAN
ARTIKEL ALGORITMA PEMROGRAMAN SERI MINTA UBA HASIBUAN
Algoritma merupakan akar dari sebuah sistem yang terbentuk dalam dunia pemrograman.Melalui serangkaian cara yang masuk akal dan teratur, sebuah algoritma dapat menyelesaikan suatu ...

