PENERAPAN ALGORITMA C4.5 DALAM MEMPREDIKSI KETERLAMBATAN PEMBAYARAN UANG SEKOLAH MENGGUNAKAN PYTHON

Victor Saputra Ginting; Kusrini Kusrini; Emha Taufiq Luthfi

doi:10.36294/jurti.v4i1.1101

PENERAPAN ALGORITMA C4.5 DALAM MEMPREDIKSI KETERLAMBATAN PEMBAYARAN UANG SEKOLAH MENGGUNAKAN PYTHON

Victor Saputra Ginting, Kusrini Kusrini, Emha Taufiq Luthfi

Abstract

Abstract – Payment of school fees is an important factor in carrying out education because payment of school fees is one of the important obligations in getting an education. Research conducted by Muqorobin, 2019 with the research title "Optimizing the Naive Bayes Method with Feature Selection Gain for Predicting Late School Payment" produces an accuracy rate of 80%, then optimization is carried out using information gain and Naive Bayes produces an accuracy rate of 90%. The research conducted will be a prediction of late payment of school fees using the C4.5 algorithm and then carried out into the form of programming using Python, so as to produce a prediction result. Information Prediction Results obtained from Python then will try to compare the level of accuracy with the dataset that has been collected using a confusion matrix. The dataset obtained from De Britto Yogyakarta High School using Python produces an accuracy rate of 73%. This research is expected to help the school in making decisions and minimize the level of late payment of school fees.

Keywords - Prediction, Algorithm C4.5, Python, and Data Mining.

Abstract – Pembayaran yang sekolah merupakan faktor yang cukup penting dalam melangsungkan pendidikan karena pembayaran uang sekolah merupakan salah satu kewajiban penting dalam mendapatkan pendidikan. Penelitian yang telah dilakukan Muqorobin, 2019 dengan judul penelitian “Optimasi Metode Naive Bayes Dengan Feature Selection Gain Untuk Memprediksi Keterlambatan Pembayaran Uang Sekolah” menghasilkan tingkat akurasi sebesar 80%, kemudian dilakukan optimasi dengan menggunakan information gain dan Naive Bayes menghasilkan tingkat akurasi sebesar 90%. Penelitian yang dilakukan akan dilakukan prediksi keterlambatan pembayaran uang sekolah dengan menggunakan algoritma C4.5 dan kemudian dilakukan implementasi kedalam bentuk pemrograman dengan menggunakan Python, sehingga menghasilkan keterangan hasil prediksi. Keterangan Hasil Prediksi yang didapatkan dari Python, kemudian akan coba dilakukan perbandingan tingkat akurasi dengan dataset yang sudah dikumpulkan menggunakan confusion matrix. Dataset yang didapatkan dari Sekolah Menengah Atas De Britto Yogyakarta menggunakan Python menghasilkan tingkat akurasi sebesar 73%. Penelitian ini diharapkan dapat membantu pihak sekolah dalam mengambil keputusan dan meminimalisir tingkat keterlambatan pembayaran uang sekolah.

Kata kunci - Prediksi, Algoritma C4.5, Python dan Data Mining.

Keywords

Prediction, Algorithm C4.5, Python and Data Mining

Full Text:

PDF

References

M. Muqorobin, K. Kusrini, and E. T. Luthfi, “Optimasi Metode Naive Bayes Dengan Feature Selection Information Gain Untuk Prediksi Keterlambatan Pembayaran Spp Sekolah,” J. Ilm. SINUS, vol. 17, no. 1, p. 1, 2019, doi: 10.30646/sinus.v17i1.378.

N. Azwanti, “Analisa Algoritma C4.5 Untuk Memprediksi Penjualan Motor Pada Pt. Capella Dinamik Nusantara Cabang Muka Kuning,” Inform. Mulawarman J. Ilm. Ilmu Komput., 2018, doi: 10.30872/jim.v13i1.629.

R. P. S. Putri and I. Waspada, “Penerapan Algoritma C4.5 pada Aplikasi Prediksi Kelulusan Mahasiswa Prodi Informatika,” Khazanah Inform. J. Ilmu Komput. dan Inform., 2018, doi: 10.23917/khif.v4i1.5975.

R. H. Pambudi, B. D. Setiawan, and Indriati, “Penerapan Algoritma C4 . 5 Untuk Memprediksi Nilai Kelulusan Siswa Sekolah Menengah Berdasarkan Faktor Eksternal,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., 2018.

N. Yahya and A. Jananto, “KOMPARASI KINERJA ALGORITMA C.45 DAN NAIVE BAYES UNTUK PREDIKSI KEGIATAN PENERIMAANMAHASISWA BARU (STUDI KASUS : UNIVERSITAS STIKUBANK SEMARANG),” Pros. SENDI, 2019.

Turban, “Mechine Learning untuk Mengesktraksi dan Mengidentifikasi Informasi yang bermanfaat,” Mechine Learn., 2005.

R. W. Abdullah, K. Kusrini, and E. T. Luthfi, “PREDIKSI KETERLAMBATAN PEMBAYARAN SPP SEKOLAH DENGAN METODE K-NEAREST NEIGHBOR (STUDI KASUS SMK AL-ISLAM SURAKARTA),” Pemodelan Arsit. Sist. Inf. Perizinan Menggunakan Kerangka Kerja Togaf Adm, 2019.

J. A. A. Imam Adli, HarunMukhtar, “Perancangan dan pembuatan visual novel sejarah kh. ahmad dahlan sebagai media pembelajaran berbasis android,” RABIT (Jurnal Teknol. dan Sist. Inf. Univrab), 2018.

J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques. 2012.

R. Tanno, A. Saeedi, S. Sankaranarayanan, D. C. Alexander, and N. Silberman, “Learning from noisy labels by regularized estimation of annotator confusion,” in Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2019, doi: 10.1109/CVPR.2019.01150.

DOI: https://doi.org/10.36294/jurti.v4i1.1101