Decision Tree Id3 Untuk Rekomendasi Pemberian Beasiswa Di . - Unnes
DECISION TREE ID3 UNTUK REKOMENDASIPEMBERIAN BEASISWA DI SEKOLAH(STUDI KASUS DI SMA NEGERI 2 REMBANG)Skripsidiajukan sebagai salah satu persyaratan untuk memperoleh gelar SarjanaPendidikan Teknik Informatika dan KomputerOlehAndro NIM.5302412073JURUSAN TEKNIK ELEKTROFAKULTAS TEKNIKUNIVERSITAS NEGERI SEMARANG2016
PERSETUJUAN PEMBIMBINGNama:AndroNIM:5302412073Program Studi :S-1 Pendidikan Teknik Informatika dan KomputerJudul SkripsiDECISION:TREEID3UNTUKREKOMENDASIPEMBERIAN BEASISWA DI SEKOLAH (STUDI KASUSDI SMA NEGERI 2 REMBANG)Skripsi ini telah disetujui oleh pembimbing untuk diajukan ke sidang panitia ujianskripsi Program Studi S-1 Pendidikan Teknik Informatika dan Komputer FTUNNES.Semarang, 26 Agustus 2016Pembimbing IPembimbing IIDr. Hari Wibawanto, M.T.NIP. 196501071991021001Drs. Sutarno, M.T.NIP. 195510051984031001ii
iii
PERNYATAAN KEASLIANDengan ini saya menyatakan bahwa:1. Skripsi ini, adalah asli dan belum pernah diajukan untuk mendapatkangelar akademik (sarjana, magister, dan/atau doktor), baik di UniversitasNegeri Semarang (UNNES) maupun di perguruang tinggi lain.2. Karya tulis ini adalah murni gagasan, rumusan, dan penelitian saya sendiri,tanpa bantuan pihak lain, kecuali arahan Pembimbing dan masukan TimPenguji.3. Dalam karya tulis ini tidak terdapat karya atau pendapat yang telah ditulisatau dipublikasikan orang lain, kecuali secara tertulis dengan jelasdicantumkan sebagai acuan dalam naskah dengan disebutkan namapengarang dan dicantumkan dalam daftar pustaka.4. Pernyataan ini saya buat dengan sesungguhnya apabila dikemudian hariterdapat penyimpangan dan ketidakbenaran dalam pernyataan ini makasaya bersedia menerima sanksi akademik berupa pencabutan gelar yangtelah diperoleh karena karya ini, serta sanksi ainnya sesuai dengan normayang berlaku di perguruan tinggi ini.Semarang, 26 Oktober 2016AndroNIM.5302412073iv
MOTTO DAN PERSEMBAHANMotto: Sungguh bersama kesukaran dan keringanan. Karna itu bila kau telahselesai (mengerjakan yang lain). Dan kepada Tuhan, berharaplah. (Q.S AlInsyirah : 6-8)Persembahan untuk:1. Kedua orangtua tercinta, yang selalu memberi kasih sayang dan doa yangtak terputus.2. Teman-teman PTIK UNNES 2012.v
ABSTRAKAndro, 2015. “Decision Tree ID3 Untuk Rekomendasi Pemberian Beasiswa diSekolah (Studi Kasus di SMA Negeri 2 Rembang)”. Skripsi. Jurusan TeknikElektro: Fakultas Teknik. Universitas Negeri Semarang. Pembimbing I : Dr. HariWibawanto, M.T.; Pembimbing II : Drs. Sutarno, M.T.SMA Negeri 2 Rembang merupakan sekolah yang menyelenggarakanprogram beasiswa bagi siswanya. Namun, dalam pelaksanaan program tersebutterdapat masalah-masalah yang terjadi, yaitu pihak sekolah mengalami kesulitandalam pengambilan keputusan, dan banyaknya data pengusul menyebabkanlamanya waktu proses seleksi. Sehingga, diperlukan sebuah alat bantu/sistemuntuk membantu mengatasi masalah tersebut. Tujuan penelitian ini adalahmenerapkan metode decision tree ID3 dalam sistem pendukung keputusan yangdapat membantu memudahkan pengambilan keputusan beasiswa oleh pihak SMANegeri 2 Rembang.Merujuk pada Pressman, penelitian ini menggunakan Metode Waterfall.Metode Waterfall merupakan pendekatan perangkat lunak secara sistematis danberurutan dimulai dari analisis, desain, pengkodean, dan pengujian. Analisiskebutuhan pengguna dilakukan pengumpulan data, identifikasi masalah, dankebutuhan sistem. Tahap desain dilakukan dengan menggambarkan alur jalannyaaplikasi. Kemudian tahap pengkodean untuk penerjemahan hasil model klasifikasiRapidMiner dengan Visual Studio 2008. Pada tahap pengujian digunakan metodeblack box, uji aplikasi, dan uji pengguna.Hasil pengujian black box didapatkan hasil bahwa sistem pendukungkeputusan berjalan sesuai dengan kebutuhan. Kemudian hasil klasifikasidievaluasi dan divalidasi dengan Confusion Matrix untuk mengetahui keakuratanprediksi pemberian beasiswa, akurasi Sistem Pendukung Keputusan Beasiswayaitu sebesar 90%. Hasil pengujian menunjukkan bahwa sistem pendukungkeputusan yang dibangun dapat membantu efektifitas dan efisiensi prosespengambilan keputusan seleksi beasiswa oleh piak SMA Negeri 2 Rembang, dansistem pendukung keputusan yang dibangun memiliki tingkat keakuratanpengambilan keputusan yang tinggi. Untuk pengembangan penelitian selanjutnya,pengambilan keputusan dapat didasarkan pada krtiteria yang lebih banyak sepertijumlah pembayaran rekening listrik dan pembayaran rekening air. Kemudianselain prestasi akademik yang dalam hal ini menggunakan nilai rata-rata raport,dengan menggunakan prestasi non-akademik seperti prestasi dalam bidangolahraga, seni, musik, dan lain-lain.Kata Kunci : Data Mining, Model Klasifikasi, Decision Tree, ItterativeDichotomiser 3, Beasiswa.vi
KATA PENGANTARPuji syukur penulis panjatkan kepada Tuhan Yang Maha Esa ataslimpahan berkat serta rahmat-Nya sehingga penulis dapat menyelesaikan skripsidengan judul “Decision Tree ID3 untuk Rekomendasi Pemberian Beasiswa (StudiKasus SMA Negeri 2 Rembang)”.Penulis menyampaikan ucapan terima kasih kepada pihak-pihak yang telahmembantu:1. Bapak Dr. – Ing. Dhidik Prastiyanto., sebagai Ketua Jurusan TeknikElektro dan dosen wali.2. Bapak Dr. Hari Wibawanto, M.T. selaku dosen pembimbing 1.3. Bapak Drs. Sutarno, M.T. selaku dosen pembimbing 2.4. Bapak Sumarno selaku Kepala Sekolah SMA N 2 Rembang.5. Kedua orangtua tercinta yang selalu memberikan semangat dan doa.6. Sahabat-sahabat terbaik Khaidar, Irfan, Fais, Wahyu, Faza, Mifta,Rama, Agatha, Raditya, Dian, Masruri, Ega, Awank, Oyan.Semoga laporan skripsi dapat bermanfaat.Semarang,Penulis,viiOktober 2016
DAFTAR ISIHALAMAN JUDUL .iHALAMAN PERSETUJUAN PEMBIMBING .iiHALAMAN PENGESAHAN . iiiHALAMAN PERNYATAAN KEASLIAN . ivMOTTO DAN PERSEMBAHAN .vABSTRAK . viKATA PENGANTAR . viiDAFTAR ISI . viiiDAFTAR TABEL .xDAFTAR GAMBAR . xiDAFTAR LAMPIRAN . xiiiBAB I PENDAHULUAN .11.1.Latar Belakang .11.2.Identifikasi Masalah.51.3.Pembatasan Masalah .51.4.Rumusan Masalah .61.5.Tujuan .61.6.Manfaat .71.7.Sistematika Penulisan Laporan .7BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI .92.1.Tinjauan Pustaka .92.2.Landasan Teori . 112.2.1. Beasiswa . 112.2.2. Sistem Pendukung Keputusan . 112.2.3. Data Mining . 122.2.4. Teknik Klasifikasi Data Mining . 142.2.5. Decision Tree ID3 . 152.2.6. Confusion Matrix . 17viii
2.2.7. Microsoft Visual Studio 2008 . 192.2.8. RapidMiner . 192.2.9. Microsoft Access 2007 . 202.3.Kerangka Berfikir . 20BAB III METODE PENELITIAN . 233.1.Metode Pengembangan . 243.1.1. Analisis . 243.1.2. Desain . 353.1.3. Kode . 363.1.4. Pengujian . 373.2. Tempat dan Waktu Penelitian . 383.3.Alat dan Bahan Penelitian . 383.3.1. Alat Penelitian . 383.3.2. Bahan Penelitian . 393.4.Parameter Penelitian . 393.5.Teknik Pengumpulan Data . 403.5.1. Subjek dan Objek Penelitian . 403.5.2. Teknik Pengumpulan Data . 403.5.3. Jenis dan Sumber Data . 413.6.Kalibrasi Instrumen . 413.7.Teknik Analisis Data . 42BAB IV HASIL DAN PEMBAHASAN . 464.1.Hasil Penelitian . 464.1.1. Sistem Pendukung Keputusan Beasiswa . 464.1.2. Hasil Pengujian Black Box . 494.1.3. Hasil Uji Sistem . 544.1.4. Hasil Uji Pengguna . 564.2.Pembahasan . 57BAB V PENUTUP . 605.1. Simpulan . 605.2.Saran . 60ix
DAFTAR PUSTAKA . 62LAMPIRAN . 64x
DAFTAR TABELhalamanTabel 2.1. Confusion Matrix 2 Kelas . 18Tabel 3.1. Identifikasi Masalah dan Kebutuhan Pengguna . 26Tabel 3.2. Tabel Sebagian Data Awal Pemohon . 27Tabel 3.3. Keterangan Data Siswa . 27Tabel 3.4. Pemilihan Atribut . 28Tabel 3.5. Tabel Sebagian Data Siswa Setelah Pemilihan Atribut . 29Tabel 3.6. Tabel Sebagian Data Siswa Setelah dilakukan Transformasi Data . 30Tabel 3.7. Keterangan Nilai Label dan Tipe Data . 33Tabel 3.8. Tabel Pengujian Black Box . 37Tabel 3.9. Tabel Parameter Penelitian . 39Tabel 3.10. Kriteria Interval Persentase . 44Tabel 4.1. Hasil Pengujian Black Box . 50Tabel 4.2. Hasil Uji Sistem . 54Tabel 4.3. Hasil Uji Pengguna . 56xi
DAFTAR GAMBARhalamanGambar 2.1. Tahapan Data Mining .13Gambar 2.2. Konsep Decision Tree .15Gambar 2.3. Contoh Decision Tree .16Gambar 2.4. Rumus Perhitungan Entropy .16Gambar 2.5. Rumus Perhitungan Gain .17Gambar 2.6. Kerangka Pemikiran .21Gambar 3.1. Model Sekuensial Linier (Waterfall) .23Gambar 3.2. Diagram Alir Penelitian .24Gambar 3.3. Tampilan Awal RapidMiner .31Gambar 3.4. Menu „New Process‟ .31Gambar 3.5. Menambahkan Fungsi „Read Excel‟ .31Gambar 3.6. Menambahkan Fungsi ID3 .32Gambar 3.7. Menambahkan Dataset .32Gambar 3.8. Melakukan Konfigurasi Nilai Atribut .33Gambar 3.9. Hasil Decision Tree .34Gambar 3.10. Rule yang Terbentuk dari Decision Tree .34Gambar 3.11. Desain Antarmuka .35Gambar 3.12.Flowchart Sistem Pendukung Keputusan Beasiswa .36Gambar 4.1. Menu Pengajuan Beasiswa .46Gambar 4.2. Menu Cetak Hasil Seleksi .47Gambar 4.3. Hasil Cetak Seleksi Beasiswa .47xii
DAFTAR LAMPIRANhalamanLampiran 1 Source Code .65Lampiran 2 Tampilan Antarmuka Sistem Pendukung Keputusan .70Lampiran 3 Angket Uji Pengguna .72Lampiran 4 Surat Usulan Topik Skripsi .74Lampiran 5 Surat Usulan Pembimbing Skripsi .75Lampiran 6 Surat Keputusan Dosen Pembimbing .76Lampiran 7 Surat Permohonan Izin Observasi .77Lampiran 8 Surat Izin Penelitian .78Lampiran 9 Surat Keterangan Selesai Penelitian .79Lampiran 10 Dokumentasi Penelitian .80xiii
BAB IPENDAHULUAN1.1. Latar BelakangPendidikan adalah usaha sadar dan terencana untuk mewujudkansuasana belajar dan proses pembelajaran agar peserta didik dapat menambahpotensi yang dimiliki oleh dirinya. Fungsi pendidikan sangat penting sebagaisalah satu faktor pendorong pembangunan sebagai sumber daya manusiadengan tujuan meningkatkan kemampuan pada masyarakatnya dalammengembangkan ilmu pengetahuan (Zuwida dkk., 2014). Pasal 26 ayat 1Deklarasi Universal Hak Asasi Manusia (HAM) menyatakan bahwa setiaporang berhak memperoleh pendidikan, serta dalam Undang-Undang erikankesempatan seluas-luasnya kepada rakyat untuk menikmati pendidikan tanpamelihat latar belakang sosial, ekonomi, jenis kelamin, dan geografis. Olehkarena itu, perlu adanya perhatian dari pemerintah unutk membantumasyarakat kurang mampu di Indonesia dalam dunia pendidikan, salahsatunya adalah dengan beasiswa.Beasiswa merupakan bantuan pemerintah maupun swasta berupasejumlah uang yang diberikan kepada siswa yang sedang atau yang akanmengikuti pendidikan di sekolah. Bantuan ini biasanya berbentuk dana untukmenunjang biaya atau ongkos yang harus dikeluarkan oleh siswa selamamenempuh masa pendidikan. Dengan adanya bantuan ini, diharapkan siswa1
2dapat menyelesaikan pendidikannya tanpa ada gangguan terutama yangberhubungan dengan keuangan siswa hingga tuntas atau lulus di jenjangpendidikan (Zuwida dkk., 2014: 390). Beasiswa di sekolah pada umumnyaberupa beasiswa prestasi dan beasiswa kurang nggarakan program beasiswa kurang mampu bagi siswanya.Beasiswa tersebut berupa bantuan keringanan pembayaran uang SPP(Sumbangan Pembinaan Pendidikan). Namun, dalam pelaksanaan programbeasiswa tersebut muncul masalah-masalah yang dialami oleh pihak sekolah.Masalah-masalah yang terjadi di SMA Negeri 2 Rembang yaitupihak sekolah mengalami kesulitan dalam penentuan siswa penerimabeasiswa, hal ini dikarenakan banyaknya jumlah siswa pemohon beasiswasebanyak 164 siswa dari 346 siswa kelas X pada tahun 2015. Sedangkanjumlah siswa yang akan diberi beasiswa berkisar kurang lebih 80 siswa,tergantung jumlah keluarga kurang mampu di kelas X SMA Negeri 2Rembang. Prosedur pengolahan data yang dilakukan meliputi kegiatanpengumpulan data, pengelompokan, pencocokan data dengan biodata siswa,perkiraan siswa penerima, dan menyusun laporan. Sehingga pemberianbeasiswa dilakukan cukup lama yaitu kurang lebih mencapai 3 sampai 4minggu. Kemudian saat pemberian beasiswa banyak siswa yang protes karenatidak tepat sasaran, ada siswa yang memang kurang mampu namun tidakdiberikan beasiswa oleh pihak sekolah.
3Untuk mempermudah proses pengambilan keputusan, maka perludibangun sebuah sistem pendukung keputusan yang dapat membantumemberikan rekomendasi siswa penerima beasiswa. Sistem pendukungkeputusan (SPK) adalah sistem berbasis komputer yang membantu dalamproses pengambilan keputusan. SPK sebagai sistem informasi angsecarakhususdikembangkan untuk mendukung solusi dari pemasalahan manajemen yangtidak terstruktur untuk meningkatkan kualitas pengambilan keputusan(Wibowo, et al. 2009 dalam Mau Sisilia D. B., 2014: 10). Metode - metodeyang dapat diterapkan untuk sistem pendukung keputusan, yaitu SimpleAdditive Weighting (SAW), Analytic Hierarchy Process (AHP), MetodeApriori, Metode Clustering dan Metode Decision Tree.Masalah yang sama dalam pemberian beasiswa juga dikemukakanoleh Seran (2013) dalam judul penelitian Analisis dan Usulan Solusi SistemPendukung Keputusan Penentuan Beasiswa Menggunakan Algortima ID3.Dalam penelitian ini diperoleh kesimpulan bahwa sistem pendukungkeputusan beasiswa yang dibangun berdasarkan decision tree algortima ID3dapat membantu pengambilan keputusan seleksi beasiswa. Setelah dilakukantahap pengujian didapat hasil keakurasian Algortima ID3 dalam penentuanbeasiswa miskin sebesar 84,36%.Masalah yang serupa juga dibahas dalam penelitian Irfan AjmalKhan dan Jin Tak Choi (2014) dengan judul An Application of redictionyang
4menyimpulkan bahwa algoritma ID3 dapat membantu memudahkanpengambilan keputusan pada semua pemodelan klasifikasi, dalam hal iniyaitu seleksi beasiswa. Sistem yang dibangun sangat membantu dalammemprediksi kesempatan siswa untuk mendapatkan beasiswa dari mulaisemester pertama.Penelitian lain tentang masalah pemberian beasiswa adalahpenelitian J.K. Alhasaan dan S.A. Lawal (2015) dengan judul Using DataMining Technique for Scholarship Disbursement yang menyimpulkan bahwaaplikasi yang dibangun berdasarkan decision tree dengan algoritma ID3 dapatditerapkan untuk sistem pendukung keputusan dalam pemberian beasiswa.Pengujian aplikasi yang dibangun dengan teknik klasifikasi decision treemenunjukkan hasil bahwa aplikasi efektif, efisien dan mampu mengatasimasalah dari sistem yang ada.Berdasarkan pertimbangan di atas, maka akan diterapkan metodedecision tree algoritma ID3 untuk rekomendasi pemberian beasiswa di SMANegeri 2 Rembang. Karena metode decision tree algoritma ID3 mempunyaikelebihan yaitu dapat menggali informasi tersembunyi dalam sekumpulandata, membagi sekumpulan data menjadi himpunan-himpunan yang lebihkecil dan hasil analisa berupa diagram pohon yang mudah untuk dimengerti.Salah satu kelebihan lain dari metode pohon keputusan yaitu eliminasiperhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakanmetode pohon keputusan maka sampel diuji hanya berdasarkan kriteria ataukelas tertentu.
5Dengan demikian diharapkan sistem pendukung keputusan yangdibangun dapat membantu mempercepat penentuan penerima beasiswa dandapat mengurangi kesalahan sehingga dapat menjadi sistem pendukungkeputusan yang digunakan oleh pihak SMA Negeri 2 Rembang dalam prosespemberian beasiswa.1.2. Identifikasi MasalahBerdasarkan latar belakang di atas terdapat beberapa masalahsebagai berikut:1.2.1. Tim seleksi beasiswa SMA Negeri 2 Rembang mengalami kesulitandalam mengambil sebuah keputusan untuk menentukan siswa penerimabeasiswa.1.2.2. Waktu yang dibutuhkan oleh pihak SMA Negeri 2 Rembang dalampemberian beasiswa bisa mencapai 3 sampai 4 minggu.1.3. Pembatasan MasalahDalam penelitian ini, ditentukan batasan-batasan masalah yang akandikaji dan dibahas. Batasan-batasan masalah tersebut adalah:1.3.1. Pemodelan klasifikasi menggunakan data siswa pemohon kelas XSekolah Menengah Atas 2 Rembang tahun 2014/2015.1.3.2. Pengembangan sistem pendukung keputusan merupakan penerapanmetode klasifikasi data mining dengan algoritma Decision Tree ID3
6dengan menggunakan aplikasi RapidMiner sebagai perangkat lunakbantuan untuk memprediksi pemberian beasiswa.1.3.3. Pembangunan sistem pendukung keputusan dengan GUI sederhanamenggunakan Visual Studio 2008 dengan basis data Microsoft Access.1.4. Rumusan MasalahBerdasarkan identifikasi masalah yang telah dikemukakan makarumusan masalah dalam penelitian ini adalah sebagai berikut:1.4.1. Bagaimana kinerja sistem pendukung keputusan berdasarkan decisiontree dengan algoritma ID3 dalam membantu pengambilan keputusandan efisiensi proses seleksi pemberian beasiswa di SMA Negeri 2Rembang?1.4.2. Bagaimana tingkat akurasi klasifikasi beasiswa yang terbentuk dengandecision tree?1.5. TujuanSecara umum tujuan dari penelitian ini yaitu:1.5.1. Mengetahui tanggapan pengguna terhadap sistem pendukung keputusanbeasiswa dengan metode decision tree algoritma ID3 dalam membantukemudahan pengambilan keputusan dan efisiensi proses seleksibeasiswa.1.5.2. Mengetahui tingkat akurasi klasifikasi beasiswa yang terbentuk daridecision tree berdasarkan Confusion Matrix dan Kurva ROC.
71.6. ManfaatHasil dari penelitian ini diharapkan mempunyai nilai manfaat antaralain sebagai berikut:1.6.1. Untuk AkademikPenelitian ini dapat memberikan informasi bagi calon penelitilain sebagai bahan acuan yang dapat dikembangkan lagi denganpengembangan konsep dan materi lebih lanjut.1.6.2. Untuk InstansiHasil penelitian ini diharapkan dapat digunakan sebagai memudahkan penentuan calon penerima beasiswa.1.7. Sistematika Penulisan LaporanSecara garis besar sistematika skripsi ini terbagi menjadi tigabagian, yaitu bagian awal, bagian isi, dan bagian akhir. Adapun rinciannyaadalah sebagai berikut :1.7.1. Bagian awal skripsi ini terdiri dari halaman judul, abstrak, lembarpengesahan, motto dan persembahan, kata pengantar, daftar isi, daftartabel, daftar gambar, dan daftar lampiran.1.7.2. Bagian Isi SkripsiBagian isi skripsi ini memuat hal-hal inti yang terdiri dari lima bab,sebagai berikut :
8BAB I PENDAHULUAN; terdiri atas Latar Belakang, PerumusanMasalah, Tujuan dan Manfaat, Batasan Masalah dan SistematikaPenulisan Laporan.BAB II TINJAUAN PUSTAKA dan LANDASAN TEORI; berisiTinjauan Pustaka, Landasan Teori, dan Kerangka Berfikir.BAB III METODE PENELITIAN; yang memberikan penjelasantentang Metode Perancangan Aplikasi Sistem Pendukung Keputusandengan model Waterfall, yaitu Analisis, Desain, Pengkodean Sistem,dan Pengujian Sistem.BAB IV HASIL DAN PEMBAHASAN; berisi tentang hasilpenelitian dan pembahasan pengujian Sistem Pendukung Keputusanbeasiswa di SMA Negeri 2 Rembang.BAB V PENUTUP; berisi tentang hal-hal penting dari kesimpulanpenelitian dan saran yang digunakan untuk penelitian selanjutnya.1.7.3. Bagian akhir skripsi berisi daftar pustaka yang memuat daftar namabuku, jurnal, hasil penelitian dan sumber lain yang digunakan,lampiran-lampiran sebagai bahan penunjang. Lampiran memuat bahanbahan penunjang bisa berisi surat ijin penelitian, data, trumen atau catatan hasil temuan di lapangan.hasilujicoba
BAB IITINJAUAN PUSTAKA DAN LANDASAN TEORI2.1. Tinjauan PustakaSistem Pendukung Keputusan (SPK) sudah banyak diterapkan hampirdalam setiap pekerjaan manusia. Sistem ini bertujuan membantu manusiadalam mengambil keputusan dengan menggunakan data dan model untukmenyelesaikan masalah. Dengan kata lain Sistem Pendukung Keputusanmerupakan alat bantu yang bertujuan untuk menyediakan informasi,membimbing, memberikan prediksi serta mengarahkan kepada penggunainformasi agar dapat melakukan pengambilan keputusan dengan lebik baik.Pengembangan SPK menggunakan teknik data mining denganAlgoritma ID3 sebelumnya sudah dilakukan dalam penelitian penerimaanmahasiswa baru (Wahyudin, 2009). Dalam penelitian ini pengambilankeputusan penerimaan mahasiswa baru dibatasi dengan memperhatikan tigaatribut yaitu Seleksi Penerimaan Mahasiswa Baru (SPMB), Ujian AkhirNasional (UAN), dan Psikotest. Hasilnya, pohon keputusan denganAlgoritma ID3 dapat digunakan untuk memperoleh pengetahuan pada bidangpendidikan khususnya memberikan keputusan dalam hal penerimaanmahasiswa baru (Ya atau Tidak).Penelitian lain yang membahas mengenai pohon keputusan adalahpenelitian Aradea, dkk (2011) yang berjudul Penerapan Decision Tree untukPenentuan Pola Data Penerimaan Mahasiswa Baru. Peneliti membahas model9
10klasifikasi menggunakan Decision Tree dengan algoritma ItterativeDichotomozer 3 (ID3). Hasil penelitian ini diperoleh kesimpulan bahwamengidentifikasi pola dari penerimaan mahasiswa baru dapat memberikaninformasi bagi perguruan tinggi. Model klasifikasi yang dihasilkan dapatdigunakan untuk memprediksi kelas dari unknown data.Penelitian Giovani (2011) dengan judul Sistem Pendukung KeputusanPrediksi Kecepatan Studi Mahasiswa Menggunakan Metode ID3. Dalampenelitian ini dibangun aplikasi yang berfungsi untuk pengambilan keputusanprediksi kecepatan studi Mahasiswa Teknik Informatika Universitas AtmaJaya Yogyakarta. Hasil yang diperoleh yaitu sebuah sistem canggih dancerdas yang mampu menyimpan data masa lalu yang digunakan sebagaiacuan pengambilan keputusan.Penelitian lain tentang penerapan algoritma ID3 yaitu penelitianKristanto (2014) yang berjudul Penerapan Algortima Klasifikasi Data MiningID3 untuk Menentukan Penjurusan Siswa SMAN 6 Semarang. Penelitian inibertujuan untuk membangun sebuah sistem pendukung keputusan untukmemprediksi penjurusan berdasarkan algortima ID3. Kesimpulan yangdidapat yaitu aplikasi dapat memberikan rekomendasi penjurusan dengantingkat akurasi sebesar 80%.
112.2. Landasan Teori2.2.1. BeasiswaBeasiswa adalah penghasilan bagi yang menerimanya. Sesuaidengan ketentuan pasal 4 ayat (1) UU PPh/2000, disebutkan pengertianpenghasilan adalah tambahan kemampuan ekonomis dengan nama dandalam bentuk apapun yang diterima atau diperoleh dari sumber Indonesiaatau luar Indonesia yang digunakan untuk menambah kekayaan WajibPajak (WP), karena beasiswa bisa diartikan menambah kemampuanekonomis bagi penerimanya, berarti beasiswa merupakan penghasilan.Beasiswa adalah pemberian berupa bantuan keuangan yangdiberikan kepada perorangan yang bertujuan untuk digunakan demikeberlangsungan pendidikan yang ditempuh. Beasiswa dapat diberikanoleh lembaga pemerintah, perusahaan atuapun yayasan. Pemberianbeasiswa dapat dikategorikan pada pemberian cuma-cuma ataupunpemberian dengan ikatan kerja setelah selesainya pendidikan (Putra danHardiyanti, 2011:287). Beasiswa di SMA Negeri 2 Rembang yaitu inaanPendidikan).2.2.2. Sistem Pendukung KeputusanSistem pendukung keputusan (SPK) adalah sistem berbasis komputeryang membantu dalam proses pengambilan keputusan. SPK sebagai sisteminformasi berbasis komputer yang adaptif, interaktif, fleksibel, yang secarakhusus dikembangkan untuk mendukung solusi dari pemasalahan
alitaspengambilan keputusan (Wibowo, et al. 2009 dalam Mau Sisilia D. B.,2014: 10).Sistem Penunjang Keputusan (SPK) adalah bagian
menyelenggarakan program beasiswa kurang mampu bagi siswanya. Beasiswa tersebut berupa bantuan keringanan pembayaran uang SPP (Sumbangan Pembinaan Pendidikan). Namun, dalam pelaksanaan program beasiswa tersebut muncul masalah-masalah yang dialami oleh pihak sekolah. Masalah-masalah yang terjadi di SMA Negeri 2 Rembang yaitu
The new high performance ID3-HP module is a game changer, there is simply nothing like it anywhere in the World and it comes in a tiny 21x22mm package that is 6mm high. The ID3-HP is an inexpensive route to very long range readers. The ID3-HP shares the same footprint and functionality as the popular ID2/12/20 and ID-3/12/20 LA series.
Civic Style - Marker Symbols Ü Star 4 û Street Light 1 ú Street Light 2 ý Tag g Taxi Æb Train Station Þ Tree 1 òñðTree 2 õôóTree 3 Ý Tree 4 d Truck ëWreck Tree, Columnar Tree, Columnar Trunk Tree, Columnar Crown @ Tree, Vase-Shaped A Tree, Vase-Shaped Trunk B Tree, Vase-Shaped Crown C Tree, Conical D Tree, Conical Trunk E Tree, Conical Crown F Tree, Globe-Shaped G Tree, Globe .
A. Decision Tree A decision tree is a flow-chart-like tree structure, where each internal node denotes a test on an attribute, each branch represents an outcome of the test, and leaf nodes represent classes or class distributions [3]. The popular Decision Tree algorithms are ID3, C4.5, CART.
Terumbu Karang dan Keputusan Kementerian Lingkungan Hidup Nomor 51 Tahun 2004 tentang Mutu Air Laut menggunakan metode algoritma ID3 dan Naive Bayes. Dengan metode algoritma ID3 dan Naive Bayes variabel yang digunakan dalam menentukan klasifikasi terumbu karang ialah tutupan, s
prinsip GCG merupakan pedoman tata kelola mencakup 5 (lima) aspek, 8 (delapan) prinsip dan 25 (dua puluh lima) rekomendasi penerapan aspek dan prinsip tata kelola perusahaan yang baik. Perseroan senantiasa menerapkan rekomendasi dan meningkatkan kualitasnya dari waktu ke waktu. Rincian rekomendasi tersebut meliputi: PRINSIP GCG 5 GCG PRINCIPLE 1. Hubungan Perusahaan Terbuka Dengan Pemegang .
Decision Tree AlgorithmDecision Tree Algorithm – ID3 Decide which attrib teattribute (splitting‐point) to test at node N by determining the “best” way to separate or partition the tuplesin Dinto individual classes The splittingsplitting c
Family tree File/directory tree Decision tree Organizational charts Discussion You have most likely encountered examples of trees: your family tree, the directory . An m-ary tree is one in which every internal vertex has no more than m children. 2. A full m-ary tree is a tree in which every
mampu mengemban misi memperluas akses pendidikan di bidang akuntansi. -4- Untuk meraih kepercayaan sebagai agen pemberdayaan masyarakat, melalui tridharma perguruan tinggi, Prodi S1 Akuntansi FE UUI harus menjadi program studi yang dikenal memiliki reputasi andal. Untuk mewujudkan visi dan misi yang sudah ditetapkan Pihak Rektorat, Prodi S-1 Akuntansi – Fakultas Ekonomi – Universitas .
