STUDI KOMPARASI ALGORITMA DECISION TREE C4.5 DAN K-NEAREST NEIGHBOR DALAM KLASIFIKASI MASA STUDI DAN TINGKAT STRES MAHASISWA (STUDI KASUS: FAKULTAS TEKNIK UNIVERSITAS BENGKULU)

Ritonga, Yusak Stainly and Endina, Putri Purwandari and Nurul, Renaningtias (2024) STUDI KOMPARASI ALGORITMA DECISION TREE C4.5 DAN K-NEAREST NEIGHBOR DALAM KLASIFIKASI MASA STUDI DAN TINGKAT STRES MAHASISWA (STUDI KASUS: FAKULTAS TEKNIK UNIVERSITAS BENGKULU). Other thesis, Universitas Bengkulu.

[thumbnail of Thesis] Archive (Thesis)
Skripsi_G1F020016_Yusak_Stainly_Ritonga-2 - Yusak Stainly Ritonga.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (3MB)

Abstract

Perguruan tinggi merupakan kelanjutan pendidikan menengah yang
diselenggarakan untuk mempersiapkan peserta didik untuk menjadi anggota
masyarakat yang memiliki kemampuan akademis dan profesional yang dapat
menerapkan, mengembangkan dan menciptakan ilmu pengetahuan, teknologi dan
kesenian. Kehidupan kesarjanaan di perguruan tinggi tidak bisa lepas dari
problematika masa studi dan stres yang dialami mahasiswa. Khususnya mahasiswa
akhir yang sedang fokus untuk menyelesaikan masa studinya juga merupakan
individu yang sangat rentan mengalami stres. Jenis stres yang banyak dialami oleh
mahasiswa adalah stres akademik, tuntutan akademik dalam menyelesaikan masa
studinya dapat menjadi bagian stres yang dialami oleh mahasiswa. Penelitian
bertujuan untuk mengetahui perbandingan peforma dan tingkat akurasi dari
algoritma Decision Tree C4.5, dan k-NN dalam mengklasifikasikan masa studi dan
tingkat stres mahasiswa. Penelitian ini bersifat kuantitatif dengan dataset yang
dikumpulkan melaui kuisioner yang dibagikan kepada alumni FT UNIB. Model
yang digunakan dalam penelitian ini mengikuti tahapan yang ada pada proses
knowledge discovery in database (KDD). Hasil penelitian menunjukkan bahwa
algoritma K-Nearest Neighbor memiliki performa yang lebih baik dalam
mengklasifikasikan masa studi dan tingkat stres mahasiswa dengan tingkat
accuracy 79.78 %, precision 80.68 %, recall 98.61 %, dan error 19.10 % pada masa
studi dan tingkat accuracy 73.03%, precision 77.46 %, recall 87.30 %, dan error
26.97 % pada tingkat stres mahasiswa. Tingkat akurasi dari algoritma K-Nearest
Neighbor dalam mengklasifikasikan masa studi dan tingkat stres adalah 79.78 %
dan 73.03 % sedangkan algoritma Decision Tree C4.5 sebesar 74.16% dan 64.04%.
Selain performa dan akurasi yang lebih baik algoritma K-NN juga lebih baik karena
algoritma K-NN lebih sederhana dan mudah dipahami dan tidak memerlukan
proses pelatihan.
Kata Kunci : Masa Studi, Stres, Decision Tree C4.5, K-Nearest Neighbor

Item Type: Thesis (Other)
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > Department of Information Systems Engineering
Depositing User: 58 lili haryanti
Date Deposited: 01 Oct 2025 03:13
Last Modified: 01 Oct 2025 03:13
URI: https://repository.unib.ac.id/id/eprint/26852

Actions (login required)

View Item
View Item

slot gacor terbaik

slot gacor terpercaya

Situs Resmi Bisawd

slot gacor 4d

Slot Terpercaya

Slot Gacor bet 200