ANALISIS DATA MINING DALAM PREDIKSI PEMILIHAN JURUSAN PADA SMA MANGGALA MENGGUNAKAN ALGORITMA C 4.5
DOI:
https://doi.org/10.36595/misi.v8i2.1648Keywords:
Jurusan Siswa, Algoritma C4.5, Data MiningAbstract
Setelah menyelesaikan pendidikan di jenjang Sekolah Menengah Atas (SMA), siswa harus memilih dua pilihan utama, yaitu melanjutkan penidikan ke perguruan tinggi (S1) atau langsung memasuki dunia kerja. Namun, sebelum mencapai tahap tersebut, siswa sering mengalami kesulitan dalam menentukan jurusan yang tepat selama masa SMA. Pemilihan jurusan yang tidak sesuai dapat berdampak negatif terhadap motivasi belajar siswa, hasil akademik, serta berpengaruh buruk terhadap masa depan mereka. Oleh ebab itu, peran dari seorang guru sangat penting didalam membantu seorang siswa dalam menentukan jurusan yang sesuai dengan kemampuan dan minat mereka. Untuk mendukung proses ini, penelitian ini mengembangkan sebuah sistem prediksi pemilihan jurusan dengan memanfaatkan algoritma decision tree C4.5. Algoritma ini digunakan untuk mengolah data siswa berdasarkan beberapa atribut, antara lain nilai Matematika, Ilmu Pengetahuan Alam (IPA), Ilmu Pengetahuan Sosial (IPS), dan Bahasa Inggris. Melalui proses pelatihan dan pengujian data, sistem ini menghasilkan model klasifikasi yang mampu memberikan rekomendasi jurusan secara lebih objektif dan akurat. Implementasi sistem ini diharapkan dapat membantu guru dan staf sekolah dalam mengambil sebuah keputusan yang tepat terkait penjurusan siswa, sehingga proses pembelajaran menjadi lebih optimal dan dapat memberikan dampak positif terhadap perencanaan karier siswa di masa depan. Sistem ini juga berpotensi untuk dikembangkan lebih lanjut dengan menambahkan variabel pendukung lainnya guna meningkatkan tingkat akurasi.
References
Kasih, “Tidak sedikit mahasiswa merasa salah jurusan,” 2022. Kompas.com
S. A. Harahap and Y. Yunus, “Identifikasi Pemilihan Jurusan IPA Dan IPS Di SMA Menggunakan Metode Backward Chaining,” vol. 3, 2023.
A. A. Muhidin, E. Suseno, and S. Supriyadi, “Sistem Pendukung Keputusan Penentuan Jurusan Dengan Metode Multi Factory Evaluation Process (Mfep) (Studi Kasus?: Smk Cibening),” Nuansa Inform., vol. 13, no. 2, p. 1, 2019, doi: 10.25134/nuansa.v13i2.1947.
K. Azhar, “Salah Jurusan, Salah Sekolah,” 2021. https://mediaindonesia.com/opini/411621/salah-jurusan-salah-sekolah
N. Manullang, R. W. Sembiring, I. Gunawan, I. Parlina, and I. Irawan, “Implementasi Teknik Data Mining untuk Prediksi Peminatan Jurusan Siswa Menggunakan Algoritma C4.5,” J. Ilmu Komput. dan Teknol., vol. 2, no. 2, pp. 1–5, 2021, doi: 10.35960/ikomti.v2i2.700.
N. Waikabubak et al., “Implementasi Data Mining Prediksi Perminatan Jurusan Siswa,” vol. 2, no. 4, 2024.
R. Kurniasari and A. Fatmawati, “Penerapan Data Mining dengan Algoritma C4.5 untuk Penentuan Jurusan Sekolah Menengah Atas,” J. INSYPRO (Information Syst. Process., vol. 6, no. 2, pp. 3–9, 2021, doi: 10.24252/insypro.v6i2.7912.
H. Rofiq, K. C. Pelangi, and Y. Lasena, “Penerapan Data Mining Untuk Menentukan Potensi Hujan Harian Dengan Menggunakan Algoritma Naive Bayes,” J. Manaj. Inform. dan Sist. Inf., vol. 3, no. 1, pp. 8–15, 2020, [Online]. Available: http://mahasiswa.dinus.ac.id/docs/skripsi/jurnal/19417.pdf
Ade Izyuddin and Setyawan Wibisono, “Aplikasi Prediksi Penjualan AC Menggunakan Decision Tree Dengan Algoritma C4.5,” J. Manaj. Inform. Sist. Inf., vol. 3, no. 2, pp. 146–156, 2020.
Khairuddin, “Scientia Sacra?: Jurnal Sains , Teknologi dan Masyarakat EVALUASI METODE DATA MINING DECESION TREE C4 . 5 DAN NAÏVE BAYES ( STUDI KASUS SMA MASTER INDONESIA ),” Sci. sacra J. Sains, Teknol. dan Masy, vol. 2, no. 4, pp. 57–61, 2022.
W. A. Cahyadi, S. Munafis, Y. E. Muda, and P. S. Informatika, “Penerapan Data Mining Dalam Penentuan Jurusan Siswa Dengan Metode Klasifikasi Algoritma C4 . 5 Studi Kasus SMAN 1 Leuwisadeng,” vol. 5, no. 1, pp. 80–86, 2024.
W. Wijaksana, D. Arisandi, ) Novario, and J. Perdana, “Jurnal Ilmu Komputer dan Sistem Informasi Pembuatan Aplikasi Berbasis Website Untuk Rekomendasi Fakultas dengan Algoritma C4.5,” J. Ilmu Komput. dan Sist. Inf., vol. 10, no. 1, 2022.
F. Siewe, “On the Execution and Runtime Verification of UML Activity Diagrams,” pp. 1–42, 2025.
L. Setiyani, “Desain Sistem?: Use Case Diagram Pendahuluan,” Pros. Semin. Nas. Inov. Adopsi Teknol. 2021, no. September, pp. 246–260, 2021, [Online]. Available: https://journal.uii.ac.id/AUTOMATA/article/view/19517
S. Ramdany, “Penerapan UML Class Diagram dalam Perancangan Sistem Informasi Perpustakaan Berbasis Web,” J. Ind. Eng. Syst., vol. 5, no. 1, 2024, doi: 10.31599/2e9afp31.
Downloads
Published
How to Cite
Issue
Section
License
Semua tulisan pada jurnal ini menjadi tanggungjawab penuh penulis.