Perancangan Sistem Rekomendasi Jalur Tes Eprt Berdasarkan Data Historis Mahasiswa Fakultas Rekayasa Industri Universitas Telkom Menggunakan Pendekatan Algoritma Decision Tree

Maulana Adi Saksono, Augustina Asih Rumanti, Hilman Dwi Anggana

Abstract

Abstrak

EPrT (English proficiency test) merupakan tes kemampuan berbahasa Inggris yang harus diikuti oleh seluruh mahasiswa dan mahasiswi di Universitas Telkom. Permasalahan yang sering dijumpai oleh para mahasiswa dan mahasiswi adalah dalam pemilihan jalur tes EPrT yang sesuai dengan kemampuan berbahasa Inggris masing-masing individu. Pada Tahun 2018 terdapat 970 mahasiswa dan mahasiswi Fakultas Rekayasa Industri (FRI) yang mengikuti tes EPrT dengan total kelulusan sebanyak 268 orang dan 702 orang lainnya tidak lulus. Tujuan dari penelitian ini adalah untuk mengklasifikasikan mahasiswa dan mahasiswi yang lulus dan tidak lulus berdasarkan histori jalur tes EPrT, Prodi, jenis kelamin, dan hasil akhir dari tes EPrT menggunakan proses data mining classification dengan metode algoritma decision tree. Akurasi total yang diperoleh dari pohon keputusan yang dihasilkan adalah sebesar 45,302%. Sistem rekomendasi pemilihan jalur tes EPrT berbasis web memanfaatkan aturan yang diperoleh dari pohon keputusan. Dengan adanya sistem rekomendasipemilihan jalur tes EPrT ini dapat membantu mahasiswa dalam menentukan jalur tes EPrT yang akan diambil.

Kata kunci: Tes EPrT, Data Mining, Decision Tree (C.45), Web


Abstract

EPrT (English proficiency test) is an English language proficiency test that must be followed by all students and students at Telkom University. The problem that is often encountered by students and students is in the selection of EPrT test paths that are in accordance with the English language skills of each individual. In 2018 there were 970 Industrial Engineering Faculty (FRI) students who took the EPrT test with a total of 268 graduates and 702 others not graduating. The purpose of this study was to classify students and college students who passed and did not graduate based on the history of EPrT test pathways, study programs, gender, and the final results of EPrT tests using data mining classification processes using the decision tree algorithm method. The total accuracy obtained from the decision tree produced is 45.302%. The recommendation system for web- based EPrT test path selection utilizes rules obtained from decision trees. With the existence of an EPrT test path selection recommendation system, it can assist students in determining the EPrT test pathway to be taken.

Keywords: EPrT Test, Data Mining, Decision tree (C.45), Web

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0