Dengan perkembangan zaman yang semakin
canggih dan teknologi pengumpulan data yang dapat memudahkan kita untuk
mengumpulkan sejumlah data berukuran besar. Data mining tersebut
memiliki fungsi terpenting yaitu untuk membantu mendapatkan informasi
serta meningkatkan pengetahuan bagi pengguna. Maka sudah tidak asing
lagi dengan kata Data Mining, karena data mining merupakan campuran
metode-metode analisis data maupun algoritma untuk memproses data yang
berukuran besar. Untuk pemilihan metode dan algoritma bergantung pada
tujuan dan proses KDD (Knowledge Data Discovery) secara
keseluruhannya. Data mining tersebut memiliki macam-macam implementasi
(penerapan) dalam kehidupan sehari-hari yaitu pada bidang kesehatan,
pendidikan, dan perdagangan.
Pendidikan
merupakan salah satu faktor kesuksesan dalam hidup. Dengan adanya
pendidikan maka seseorang dapat memiliki kecerdasan, keterampilan, dan
kepribadian yang dapat bermanfaat bagi diri sendiri dan masyarakat.
Tetapi ada juga faktor lain yang dapat menghambat pendidikan yaitu
faktor ekonomi orang tua, walaupun rendahnya ekonomi orang tua kita
tidak boleh patah semangat untuk meraih kesuksesan.
Dalam data mining dibidang pendidikan biasanya menggunakan Decision tree dengan algoritma C.45 merupakan salah satu metode klasifikasi yang menggunakan representasi struktur pohon (tree)
dimana setiap node merepresentasikan atribut, cabangnya
merepresentasikan nilai dari atribut, dan daun merepresentasikan kelas.
Node yang paling atas dari decision tree disebut sebagai root. Pada decision tree terdapat 3 jenis node, yaitu:
1. Root Node, merupakan node palingatas, pada node ini tidak ada input dan bisa tidak mempunyai output ataumempunyai output lebih dari satu.
2. Internal Node, merupakan node percabangan, pada node ini hanyaterdapat satu input dan mempunyai output minimal dua.
3. Leaf node atau terminal node,merupakan node akhir, pada node ini hanya terdapat satu input dan tidak mempunyai output.
Menurut saya dengan adanya data mining dapat memudahkan kita
untuk memproses data yang berukuran besar. Dalam data mining kita dapat
menggunakan berbagai metode-metode, diantaranya metode decision tree algoritma C.45 dimulai dari pembentukan decision system yang
digunakan sebagai data awal yang memiliki nilai atribut (sekolah,
jurusan, peringkat, ipk). Selanjutnya menghitung nilai entropy dari
masing-masing atribut. Menghitung nilai gain tertinggi yang digunakan
menjadi node. Setelah menghitung kita dapat menentukan keputusan dari
hasil proses decission tree yang dengan menggunakan algoritma
if-then dimulai dari akar tertinggi atau akar terendah. Dimana akan
menghasilkan 7 buat pola aturan (rule) yang dapat memprediksi hasil
belajar mahasiswa apakah mahasiswa tersebut sangat baik, baik, kurang
baik.
Sumber :
Sembiring, Muhammad Ardiansyah. 2016. Penerapan Metode Decision Tree Algoritma C45 untuk Memprediksi Hasil Belajar Bahasiswa Berdasarkan Riwayat Akademik. 3(1). 60-65.
Sembiring, Muhammad Ardiansyah.
Sibuea, Mustika Fitri Larasati. Sapta, Andy. 2018. Analisa Kinerja
Algoritma C45 Dalam Memprediksi Hasil Belajar. I(1). 73-79.
(http://jurnal.goretanpena.com/index.php/JSSR/article/view/110).
(http://jurnal.goretanpena.com/index.php/JSSR/article/view/110).
Susanto,
Heru. dan Sudiyatno. 2014. Data Mining untuk Memprediksi Prestasi Siswa
Berdasarkan Sosial, Ekonomi, Motivasi, Kedisiplinan dan Prestasi Masa
Lalu. 4(2). 222-231.
