Sistem Penentu Anggota Divisi Himpunan Mahasiswa Program Studi (SIPADI HIMAPRODI)

  • Abraham Dimas Bayu Aji Universitas Nusantara PGRI Kediri
  • Daniel Swanjaya Universitas Nusantara PGRI Kediri
https://doi.org/10.29407/noe.v5i2.18444
Abstract views: 137 , PDF downloads: 186
Keywords: Decision Tree, Himaprod, Klasifikasi Divis

Abstract

Himpunan Mahasiswa Program Studi (Himaprodi) merupakan salah satu organisasi kampus yang berada di bawah naungan Program Studi. di dalam struktur Himaprodi terdapat yang namanya divisi untuk menunjang kinerja Himaprodi tersebut. Akan tetapi masih diperlukan proses untuk mengidentifikasi divisi para pengurus di Himaprodi agar sesuai dengan bidangnya. Penelitian ini digunakan untuk klasifikasi divisi di Himaprodi Teknik Informatika UNP Kediri. penelitian ini menggunakan data dari pengurus Himaprodi Teknik Informatika UNP Kediri sebanyak 85 data dalam empat periode kepengurusan (2018-2021). Model yang digunakan pada penelitian ini adalah algoritma Decision Tree dengan menggunakan variabel berupa hobi, pengalaman berorganisasi, dan kelebihan dari setiap pengurus itu sendiri. Penelitian ini menerapkan 6 skenario dengan kombinasi variabel dengan tingkat akurasi terbaik. Hasil penelitian yang dikeluarkan berupa nilai akurasi dari klasifikasi divisi manakah yang cocok untuk setiap pengurus Himaprodi agar sesuai dengan bidangnya. hasil akhir penelitian diperoleh nilai akurasi metode Decision Tree (66,67%) sudah dapat direkomendasikan untuk menyelesaikan masalah klasifikasi divisi di Himaprodi Teknik Informatika UNP Kediri.

References

Etriyanti, E. (2021). Perbandingan Tingkat Akurasi Metode KNN dan Decision Tree dalam Memprediksi Lama Studi Mahasiswa. Jurnal Ilmiah Binary STMIK Bina Nusantara Jaya Lubuklinggau, 3(1), 6-14.
Irawan, Y. (2021). Penerapan Algoritma Decision Tree C4. 5 untuk Memprediksi Kelayakan Calon Pendonor Melakukan Donor Darah dengan Klasifikasi Data Mining. JTIM: Jurnal Teknologi Informasi dan Multimedia, 2(4), 181-189.
Nikmatun, I. A., & Waspada, I. (2019). Implementasi Data Mining untuk Klasifikasi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighbor. Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, 10(2), 421-432.
Saputra, H. (2021). Implementasi Metode Fuzzy K-Nearest Neighbor dalam Memprediksi Tingkat Kelulusan Mahasiswa. Jurnal Dunia Ilmu, 1(1).
Suhartono, S. (2018). Hubungan Keaktifan Dalam Himaprodi PPKN Dengan Indeks Prestasi Mahasiswa PPKN Universitas PGRI Adi Buana Surabaya. Buana Pendidikan: Jurnal Fakultas Keguruan Dan Ilmu Pendidikan, 14(26), 144-150.
Sutoyo, I. (2018). Implementasi Algoritma Decision Tree Untuk Klasifikasi Data Peserta Didik. Jurnal Pilar Nusa Mandiri, 14(2), 217-224.
Utomo, D. P., & Mesran, M. (2020). Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung. Jurnal Media Informatika Budidarma, 4(2), 437-444.
Wahyuningsih, S., & Utari, D. R. (2018). Perbandingan Metode K-Nearest Neighbor, Naïve Bayes dan Decision Tree untuk Prediksi Kelayakan Pemberian Kredit. Konferensi Nasional Sistem Informasi (KNSI) 2018.

PlumX Metrics

Published
2022-12-19
How to Cite
Aji, A. D. B., & Swanjaya, D. (2022). Sistem Penentu Anggota Divisi Himpunan Mahasiswa Program Studi (SIPADI HIMAPRODI). Nusantara of Engineering (NOE), 5(2), 108 - 117. https://doi.org/10.29407/noe.v5i2.18444
Issue
Vol. 5 No. 2 (2022): Volume 5 No 2 Tahun 2022
Section
Artikel

Copyright (c) 2022 Abraham Dimas Bayu Aji, Daniel Swanjaya

Creative Commons License

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

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License