Gambar 4.8 Hubungan Predikat dengan Ratamkb Dari Gambar 4.8 dapat dijelaskan bahwa nilai A dan B banyak terdapat
pada predikat dengan pujian, nilai A, B dan C terdapat pada predikat sangat memuaskan, nilai B, C, D, dan E terdapat pada predikat memuaskan dan nilai B,
C, D dan E terdapat pada predikat buruk.
4.2.6 Validasi Decision Tree
Validasi decision tree digunakan untuk melihat keakuratan model aturan keterhubungan data mahasiswa menggunakan algoritma C 4.5 dalam
meningkatkan indeks prestasi dengan menggunakan software rapidminer. Dalam melakukan validasi rule decision tree, penulis menggunakan utility
split validation yang digunakan untuk membagi dua area training dan testing data. Dalam testing data penulis menggunakan utility apply model dan performance.
Desain model validasi rapidminer dapat dilihat pada Gambar 4.9
Universitas Sumatera Utara
Gambar 4.9 Desain Model Validasi Rapidminer Pada Gambar 4.9 dapat dijelaskan untuk menu training terdiri dari
Discretize yaitu merubah nilai numeric menjadi nominal, kemudian untuk membuat label penulis menggunakan Set Role dan untuk mendapatkan rolenya
penulis menggunakan algoritma decision tree. Sementara menu testing penulis menggunakan apply model dan performance. Dari testing didapatkan accuracy
97.73 artinya bahwa rule yang dihasilkan tingkat kebenarannya mendekati 100, seperti yang terlihat pada Gambar 4.10
Gambar 4.10 Nilai Accuracy Performance Dari Gambar 4.10 di atas dapat dijelaskan bahwa sangat memuaskan mempunyai
nilai 111 dengan class precision 98,23, memuaskan mempunyai nilai 48 dengan class precision 97,96, dengan pujian mempunyai nilai 32 dengan class precision
100, dan buruk mempunyai nilai 24 dengan class precision 92,31.
Universitas Sumatera Utara
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Tesis ini menghasilkan beberapa kesimpulan sebagai berikut : 1.
Diperoleh suatu model aturan yang dapat memperlihatkan aturan keterhubungan antara nilai rata-rata matakuliah dengan faktor ekonomi,
dukungan orang tua dan fasilitas belajar terhadap indeks prestasi mahasiswa.
2. Dalam studi kasus pada Akademi Manajemen Informatika Komputer
AMIK Tunas Bangsa Pematangsiantar bahwa sebagian besar mahasiswa yang memiliki predikat buruk apabila faktor rata-rata
ekonomi = 3 dan ratamkk bernilai E dan predikat dengan pujian apabila jika ratamkk = A dan ratamkb = A kemudian rata-rata dukungan
orang tua = 4.8 3.
Algoritma C 4.5 tetap dianggap sebagai algoritma yang sangat membantu dalam melakukan klasifikasi data karena karakteristik data
klasifikasi didapatkan dengan jelas baik dalam bentuk struktur pohon keputusan tree mapun aturan induction rue if then, sehingga
memudahkan pengguna dalam melakukan penggalian informasi terhadap yang bersangkutan.
4. Penelitian ini telah menunjukkan ada tiga dari empat variabel tersebut
memiliki korelasi yang sangat signifikan terhadap model aturan aturan keterhubungan data mahasiswa untuk meningkatkan indeks prestasi
seperti yang diusulkan faktor ekonomi, faktor dukungan orang tua dan fasilitas belajar dengan predikat indeks prestasi mahasiswa pada akhir
Universitas Sumatera Utara
