Optimasi Algoritma C4.5 Untuk Mengukur Keputusan Pembelajaran Daring Berbasis Particle Swarm Optimization (PSO)
Sari
Algoritma yang populer dan modern dalam pengolahan data dengan teknik data mining adalah Algoritma C4.5. Algoritma C4.5 banyak digunakan untuk melakukan pengklasifikasian data karena algoritma C4.5 dapat menghasilkan sebuah pohon keputusan yang mudah dipahami dan mudah dimengerti. Pada penelitian ini metode yang digunakan adalah dengan menambahkan teknik optimasi menggunakan algoritma Particle Swarm Optimization (PSO) dengan tujuan meningkatkan nilai akurasi pada information gain algoritma C4.5 untuk mengukur keputusan pembelajaran daring. PSO merupakan salah satu metode dan teknik untuk mengklasifikasi dan meningkatkan akurasi, dimana PSO terdiri dari sekumpulan partikel yang mencari posisi yang terbaik. Hasil penelitian menunjukkan akurasi dan Kappa pada nilai information gain yaitu sebesar 91,76 dan 0,834, akurasi dan Kappa Gain Ratio sebesar 89,41 dan 0,788, akurasi dan Kappa Gini Index sebesar 90,59 dan 0,811. Sehingga diperoleh kesimpulan penerapan algoritma PSO dapat berpengaruh terhadap nilai akurasi pada setiap criteria splitting algoritma C4.5
A popular and modern algorithm in data processing with data mining techniques is the C4.5 Algorithm. The C4.5 algorithm is widely used to classify data because the C4.5 algorithm can produce a decision tree and easy to understand. In this study, the author made a comparison between previous studies using the C4.5 algorithm by adding optimization techniques using the Particle Swarm Optimization (PSO) algorithm with the aim of increasing the accuracy value of the C4.5 algorithm information gain in measuring Online Learning Decisions. PSO Technique is one of the methods and techniques for classifying and improving accuracy, where PSO consists of a set of particles that are looking for the best position. The results of this study showed the results of accuracy and Kappa on the value of information gain, namely 91.76 and 0.834, accuracy and Kappa Gain Ratio of 89.41 and 0.788, accuracy and Kappa Gini Index of 90.59 and 0.811. So that it can be concluded that the application of the PSO algorithm can affect the accuracy value in each criteria splitting the C4.5 algorithm
Teks Lengkap:
PDFReferensi
Altman DG. (1997). PRACTICAL STATISTICS FOR MEDICAL The Analysis of Time Series. London.
Elisa, E. (2017). Analisa dan Penerapan Algoritma C4.5 Dalam Data Mining Untuk Mengidentifikasi Faktor-Faktor Penyebab Kecelakaan Kerja Kontruksi PT.Arupadhatu Adisesanti. Jurnal Online Informatika, 2(1), 36. https://doi.org/10.15575/join.v2i1.71
Hoiriyah, H. (2018). Algoritma C4.5 Berbasis Seleksi Atribut Untuk Menentukan Kemungkinan Pengunduran Diri Mahasiswa. Technologia: Jurnal Ilmiah, 9(1), 67. https://doi.org/10.31602/tji.v9i1.1104
Ikhsan, E. (2021). Penerapan K-Means Clustering dari Log Data Moodle untuk Menentukan Perilaku Peserta pada Pembelajaran Daring. Sistemasi, 10(2), 414. https://doi.org/10.32520/stmsi.v10i2.1285
Irhandayaningsih, A. (2020). Pengukuran Literasi Digital Pada Peserta Pembelajaran Daring di Masa Pandemi COVID-19. Anuva, 4(2), 231–240. https://doi.org/10.14710/anuva.4.2.231-240
Junianto, E., & Riana, D. (2017). Penerapan PSO Untuk Seleksi Fitur Pada Klasifikasi Dokumen Berita Menggunakan NBC. Jurnal Informatika, 4(1), 38–45.
Mamluah, S. K., & Maulidi, A. (2021). Pembelajaran Jarak Jauh (PJJ) di Masa Pandemi COVID-19 di Sekolah Dasar. Jurnal Basicedu, 5(2), 869–877. https://doi.org/10.31004/basicedu.v5i2.800
Mardi, Y. (2017). Data Mining : Klasifikasi Menggunakan Algoritma C4.5. Edik Informatika, 2(2), 213–219. https://doi.org/10.22202/ei.2016.v2i2.1465
Martin, K., & Eliza, F. (2020). Pengembangan Assessment dalam Pembelajaran Daring untuk Mata Kuliah Pengukuran dan Instrumen. Jurnal Pendidikan Teknik Elektro, 1(1), 114–117. https://doi.org/10.24036/jpte.v1i1.50
Masripah, S., Nurwulandari, D. A., & Saputra, R. A. (2022). Pencarian Criteria Splitting Terbaik Pada Algoritma C4.5 Untuk Mengukur Pemilihan Pembelajaran Pada Era Pendemi Covid-19. Jurnal Larik, 2(1), 1–7.
Natuzzuhriyyah, A., & Nafisah, N. (2021). Klasifikasi Tingkat Kepuasan Mahasiswa Terhadap Pembelajaran Secara Daring Menggunakan Algoritma Naïve Bayes. Techno Xplore : Jurnal Ilmu Komputer Dan Teknologi Informasi, 6(2), 61–67. https://doi.org/10.36805/technoxplore.v6i2.1377
Nilawati, L., & Achyani, Y. E. (2019). Optimasi Metode Particle Swarm Optimization (PSO) Pada Prediksi Penilaian Apartemen. Paradigma - Jurnal Komputer Dan Informatika, 21(2), 227–234. https://doi.org/10.31294/p.v21i2.6159
Saputra, R. A., Wasiyanti, S., & Pribadi, D. (2021). Information Gain Pada Algoritma C4.5 Untuk Klasifikasi Penerimaan Bantuan Pangan Non Tunai (Bpnt). Indonesian Journal of Business Intelligence (IJUBI), 4(1), 25. https://doi.org/10.21927/ijubi.v4i1.1757
Siti, M. (2016). Komparasi Algoritma Klasifikasi Data Mining untuk Evaluasi Pemberian Kredit. Bina Insani Ict Journal, 3(1), 187–193. Retrieved from http://ejournal-binainsani.ac.id/index.php/BIICT/article/view/815/658
DOI: https://doi.org/10.31294/ijcit.v7i2.14036
##submission.copyrightStatement##
##submission.license.cc.by-sa4.footer##
P-ISSN: 2527-449X E-ISSN: 2549-7421
Statistik Pengunjung Jurnal IJCIT
