ANALISIS KETEPATAN WAKTU LULUS MAHASISWA DENGAN MENGGUNAKAN BAGGING CART

Article Sidebar

PDF
Published: Dec 31, 2020
DOI: https://doi.org/10.24853/fbc.6.2.155-166
Keywords:
Ketepatan waktu lulus Ensemble Tree Bagging CART Performa klasifikasi

Main Article Content

Winalia Agwil
Universitas Bengkulu
Herlin Fransiska
Universitas Bengkulu
Nurul Hidayati
Universitas Bengkulu

Abstract

Ketepatan waktu lulus mahasiswa menjadi salah satu indikator penilaian kelayakan program studi sebagai unit pelaksana pendidikan pada perguruan tinggi. Mengetahui faktor yang mempengaruhi waktu lulus mahasiswa akan membantu program studi dan dosen dalam mengambil keputusan untuk meningkatkan kuantitas mahasiswa lulus tepat waktu. Tujuan dari penelitian ini adalah untuk mendapatkan gambaran tentang karakteristik mahasiswa yang mempengaruhi ketepatan waktu lulus mahasiswa program studi S1 Matematika dengan menggunakan metode Ensemble Tree. Metode Ensemble tree yang digunakan adalah Bagging CART, dengan harapan dapat menghasilkan performa klasifikasi yang tinggi dan gambaran kharateristik mahasiswa yang baik. Data yang digunakan adalah data mahasiswa program studi S1 Matematika dari tahun 2010 sampai dengan 2019.  Kebaikan klasifikasi dilihat dari nilai Accuracy, Sensitivity dan Specificity. Metode pohon klasifikasi tunggal (CART) memberikan nilai Accuracy sebesar 82.1% , sensitivity sebesar 68.2 % dan specificity sebesar 91.2 %. Sedangkan dengan metode Bagging CART diperoleh Accuracy sebesar 85.7% , sensitivity sebesar 77.3 % dan specificity sebesar 91.2 %. Berdasarkan perbandingan nilai akurasi yang diperoleh dapat disimpulkan bahwa menerapkan metode Bagging pada pohon klasifikasi tunggal CART dapat meningkatkan performa klasifikasi.

Article Details

Issue
Vol. 6 No. 2 (2020): FIBONACCI: Jurnal Pendidikan Matematika dan Matematika
Section
Articles

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

 

  1. Authors retain copyright and grant 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 acknowledgement of the work's authorship and initial publication in this journal.
  2. 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 acknowledgement of its initial publication in this journal.
  3. 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 (See The Effect of Open Access).

 

References

Al-Amin, F.N, Indahwati, dan Anggraini, Y. 2013. Analisis Ketepatan Waktu Lulus Berdasarkan Karakteristik Mahasiswa Di FEM dan Faperta menggunakan metode CART. Xplore Vol 2(1). IPB.

Badan Akreditasi Nasional Perguruan Tinggi. 2019. Naskah Akademik IAPT 3.0. BANPT: Jakarta.

Breiman L, Friedman J. H, Olshen R. A, Stone CJ. 1984. Classification and Regression Trees. New York: Chapman & Hall/CRC.

Breiman L. 1996. Bagging Predictors. Machine Learning 24: 123–140.

Duda, R. O., Hart, P. E., Stork, D. G. 2000. Pattern Classification. California: Department at San Jose State University.

Fawcett T. 2006. An introduction to ROC analysis. Pattern Recognition Letters. 27: 861–874.

Lewis, R. J. 2020. An Introduction to Classification and Regression Trees (CART) Analysis. Presented at 2000 Annual Meeting of Society for Academic Emergency Medicine of San Frannsisco. California

Pertiwi, R.A, Indahwati, dan Afendi, F.M. 2013. Analisis CHAID untuk Identifikasi Ketepatan Waktu Lulus Berdasarkan Karakteristk Mahasiswa. Xplore Vol 2(1). IPB.

Rokach, L. 2008. Ensemble Methods For Classifiers dalam Data Mining and Knowledge Discovery Handbook (editor Maimon O. and Rokach L.). New York: Springer Science + Business Media.

Sartono, B. dan Syafitri., T. U. 2010. Metode Pohon Gabungan: Solusi Pilihan Untuk Mengatasi Kelemahan Pohon Regresi Dan Klasifikasi Tunggal. Forum Statistika dan Komputasi. P1-7.