Melola Discovery

← Melola Discovery

Jurnal SINTA 2

Implementasi Data Mining untuk Rekomendasi Pengambilan Mata Kuliah Pilihan Mahasiswa Sistem Informasi

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 6 No. 3 (2019) · pp. 341–348

DOI
10.25126/jtiik.201963892
ISSN
2528-6579, 2355-7699
Published
2019-05-09
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
id

Abstract

Pada penelitian ini kami mengimplementasikan algoritma klasifikasi untuk memberikan rekomendasi kepada mahasiswa keminatan apa yang lebih cocok diambil berdasarkan nilai-nilai mata kuliah prasyarat di semester-semester sebelumnya. Diharapkan dengan adanya rekomendasi ini semakin jelas pembatas antara disiplin ilmu yang ada pada Program Studi Sistem Informasi Universitas Brawijaya dimana terdapat 3 jenis jalur keminatan mata kuliah pilihan yaitu Database, Logika & pemrograman dan Manajemen SI/TI. Data set yang terdiri dari data training dan data testing merupakan data akademik dari mahasiswa angkatan 2015 yang sudah mengambil mata kuliah pilihan, data target dari penelitian ini adalah data akademik mahasiswa angkatan 2016. Algoritma klasifikasi yang digunakan adalah Rule Induction, CHAID, Random Forest, ID3, dan Naive Bayes. Komposisi dari data training dan testing diubah-ubah untuk mengetahui pengaruh perubahan komposisi tersebut. Kelima algoritma tersebut diuji sebanyak 5 kali. Dari seluruh hasil pengujian didapatkan rata-rata akurasi dari kelima metode yang diusulkan berturut-turut adalah 66,48%, 67,49%, 80,62%, 86,90% dan 77,68%. Hasil tersebut menunjukkan bahwa algoritma dengan rata-rata akurasi tertinggi dimiliki oleh algoritma ID3 dikarenakan algoritmanya yang fleksibel dan dapat lebih akurat untuk menguji data yang digunakan.

Keywords

Collaboration network of the authors

37 authors · 88 co-authorship links · 43 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • University of Brawijaya
  • National Research and Innovation Agency
  • Indonesian Institute of Sciences
  • Institut Teknologi, Sains, dan Kesehatan RS.DR. Soepraoen Kesdam V/BRW
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Nanang Yudi SetiawanUniversity of Brawijaya2
Vicky ZilvanIndonesian Institute of Sciences2
Asri Rizki YulianiIndonesian Institute of Sciences2
Ade RamdanIndonesian Institute of Sciences2
Sutrisno .Affiliation unknown2
Tibyani TibyaniUniversity of Brawijaya2
Hilman Ferdinandus PardedeNational Research and Innovation Agency2
Nur Laita Rizki AmaliaUniversity of Brawijaya1
Imam CholissodinUniversity of Brawijaya1
Budi Darma SetiawanUniversity of Brawijaya1
Farhanna Mar’iUniversity of Brawijaya1
Rizal Arif ZulfikarUniversity of Brawijaya1
Irvi OktanisaUniversity of Brawijaya1
Aditya Hari BawonoUniversity of Brawijaya1
Nabila Divanadia LuckyanaUniversity of Brawijaya1
Yusi Tyroni MursityoUniversity of Brawijaya1
Yustinus Radityo PradanaUniversity of Brawijaya1
Komang Candra BrataUniversity of Brawijaya1
Santi Yunika SufianaUniversity of Brawijaya1
Mochammad IzzuddinUniversity of Brawijaya1
Syaiful AnamUniversity of Brawijaya1
Onky PrasetyoUniversity of Brawijaya1
R. Budiarianto Suryo KusumoNational Research and Innovation Agency1
Satrio Hadi WijoyoUniversity of Brawijaya1
Abdul Harris WicaksonoUniversity of Brawijaya1
Didik KrisnandiNational Research and Innovation Agency1
Ana HeryanaNational Research and Innovation Agency1
Fawwaz Roja MahardikaUniversity of Brawijaya1
Raden Sandra YuwanaNational Research and Innovation Agency1
Endang SuryawatiNational Research and Innovation Agency1
Muhammad Aminul AkbarUniversity of Brawijaya1
Carlista NabaUniversity of Brawijaya1
Wahyu Teja KusumaInstitut Teknologi, Sains, dan Kesehatan RS.DR. Soepraoen Kesdam V/BRW1
Herman TolleUniversity of Brawijaya1
Mochammad Isa AnshoriInstitut Teknologi, Sains, dan Kesehatan RS.DR. Soepraoen Kesdam V/BRW1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Implementasi Data Mining untuk Rekomendasi Pengambilan Mata Kuliah Pilihan Mahasiswa Sistem Informasi</dc:title>
	<dc:creator xml:lang="id">Iswara, I Putu Pradnyana</dc:creator>
	<dc:creator xml:lang="id">Supianto, Ahmad Afif</dc:creator>
	<dc:subject xml:lang="id">klasifikasi</dc:subject>
	<dc:subject xml:lang="id">naive nayes</dc:subject>
	<dc:subject xml:lang="id">decision tree</dc:subject>
	<dc:subject xml:lang="id">ID3</dc:subject>
	<dc:subject xml:lang="id">Random Forest</dc:subject>
	<dc:subject xml:lang="id">Rule Induction</dc:subject>
	<dc:subject xml:lang="id">CHAID</dc:subject>
	<dc:subject xml:lang="id">komparasi</dc:subject>
	<dc:description xml:lang="id">Pada penelitian ini kami mengimplementasikan algoritma klasifikasi untuk memberikan rekomendasi kepada mahasiswa keminatan apa yang lebih cocok diambil berdasarkan nilai-nilai mata kuliah prasyarat di semester-semester sebelumnya. Diharapkan dengan adanya rekomendasi ini semakin jelas pembatas antara disiplin ilmu yang ada pada Program Studi Sistem Informasi Universitas Brawijaya dimana terdapat 3 jenis jalur keminatan mata kuliah pilihan yaitu Database, Logika &amp;amp; pemrograman dan Manajemen SI/TI. Data set yang terdiri dari data training dan data testing merupakan data akademik dari mahasiswa angkatan 2015 yang sudah mengambil mata kuliah pilihan, data target dari penelitian ini adalah data akademik mahasiswa angkatan 2016. Algoritma klasifikasi yang digunakan adalah Rule Induction, CHAID, Random Forest, ID3,  dan Naive Bayes. Komposisi dari data training dan testing diubah-ubah untuk mengetahui pengaruh perubahan komposisi tersebut. Kelima algoritma tersebut diuji sebanyak 5 kali. Dari seluruh hasil pengujian didapatkan rata-rata akurasi dari kelima metode yang diusulkan berturut-turut adalah 66,48%, 67,49%, 80,62%, 86,90% dan 77,68%. Hasil tersebut menunjukkan bahwa algoritma dengan rata-rata akurasi tertinggi dimiliki oleh algoritma ID3 dikarenakan algoritmanya yang fleksibel dan dapat lebih akurat untuk menguji data yang digunakan.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2019-05-09</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/892</dc:identifier>
	<dc:identifier>10.25126/jtiik.201963892</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 6 No 3: Juni 2019; 341-348</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 6 No. 3: Juni 2019; 341-348</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.201963</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/892/pdf</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2019 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
</oai_dc:dc>