Analisis Hasil Program ANALISIS SISTEM

Pada penelitian ini telah dihasilkan sebuah pohon keputusan dengan menerapkan algoritma Reduct Based Decision Tree RDT. Pohon keputusan berhasil dibentuk dan menghasilkan 679 pola dari 5251 record data. Detail pola klasifikasi disajikan di lampiran 2. Dengan demikian, dapat dikatakan bahwa algoritma Reduct Based Decision Tree RDT dapat diterapkan untuk mengidentifikasi pola klasfikasi status daftar ulang calon mahasiswa pada Universitas Sanata Dharma. Hal ini dibuktikan dengan terbentuknya aturan klasifikasi. Karena banyaknya aturan yang terbentuk, maka pada tabel 5.1 berikut ini disajikan aturan mahasiswa yang tidak registrasi dengan jumlah frekuensi kejadian= 7 untuk kepentingan analisis. Nilai 7 ini sebagai ambang batas yang diperoleh dari total data yang digunakan 5251 dibagi dengan jumlah aturan yang terbentuk 679 aturan. Jumlah kejadian pola adalah jumlah kejadian yang sesuai dengan aturan. Jumlah total adalah jumlah kejadian sesuai anteseden, baik untuk keputusan yang registrasi maupun yang tidak registrasi. Persentase diperoleh dari jumlah kejadian setiap pola dibagi dengan jumlah total dan dikalikan dengan 100. Tabel 5.1 Daftar Pola Tidak Registrasi dengan Jumlah Frekuensi = 7 Kejadian NO Aturan Jumlah Total Jumlah Kejadian Pola Dalam

1. KabSek = Surakarta dan Diterima_Di =

PSIKOLOGI--Jenis_Kelamin = Laki-Laki-- Tidak_Registrasi 15 15 100 2. KabSek = Belu dan Nama_Gelombang = Gelombang_2 dan Nmekanik = 1-- Tidak_Registrasi 12 12 100

3. KabSek = Palembang dan Nruang = 4 dan P3 =

MEKATRONIKA_D3--Tidak_Registrasi 9 9 100 4. KabSek = Malang dan Nruang = 4-- Tidak_Registrasi 11 10 90,9

5. KabSek = Klaten dan P3 = PEND_SEJARAH

dan Nruang = 4--Tidak_Registrasi 10 9 90 6. KabSek = Gunung_Kidul dan P3= PENDIDIKAN_AGAMA_KATOLIK dan P2 = PEND_BAHASA_SASTRA_IND_DAERAH-- Tidak_Registrasi 10 9 90 7. KabSek = Pematang_Siantar dan Jenis_Kelamin = Perempuan dan Nama_Gelombang = Gelombang_2--Tidak_Registrasi 10 9 90

8. KabSek = Purwokerto dan Nruang = 1--

Tidak_Registrasi 28 25 89,2 9. KabSek = Wonogiri dan P3 = PEND_SEJARAH- -Tidak_Registrasi 8 7 87,5 10. KabSek = Jayapura dan Nruang = 4-- Tidak_Registrasi 50 43 86 11. KabSek = Klaten dan P3 = PGSD_S1-- Tidak_Registrasi 27 23 85,18

12. KabSek = Bangka dan Ningg = 1--

Tidak_Registrasi 12 10 83,3 13. KabSek = Surakarta dan Diterima_Di = PEND_EKONOMI--Tidak_Registrasi 10 8 80

14. KabSek = Pasir--Tidak_Registrasi

13 10 76 15. KabSek = Yogyakarta dan KabAsal = Sleman dan Diterima_Di = MANAJEMEN-- Tidak_Registrasi 12 9 75

16. KabSek = Ketapang dan P3 =

PEND_BAHASA_SASTRA_IND_DAERAH-- Tidak_Registrasi 15 11 73,3 17. KabSek = Sibolga--Tidak_Registrasi 15 11 73,3 18. KabSek = Pegunungan_Jayawijaya-- Tidak_Registrasi 11 8 72,7 19. KabSek = Klaten dan P3 = ILMU_SEJARAH-- Tidak_Registrasi 10 7 70 20. KabSek = Magelang dan KabAsal = Magelang dan P1 = PEND_AKUNTANSI-- Tidak_Registrasi 13 9 69,2