Perpustakaan Digital ITB

Penentuan siswa yang akan masuk melalui jalur non-tulis perguruan tinggi dapat diprediksi berdasarkan potensi nilai IPK yang akan diperoleh bila siswa tersebut menempuh kuliah. Masalah prediksi ini dapat dilakukan dengan menggunakan metode klasifikasi dalam data mining. Model Classifier dibangun berdasarkan data sejarah nilai SMA dari mahasiswa, jurusan yang dipilih dan peringkat SMA asal siswa. Metode klasifikasi yang dianalisa lebih lanjut adalah metode decision tree dan Bayesian Network . Kedua metode ini sering digunakan dalam masalah prediksi serta memiliki tingkat kerumitan dan akurasi yang hampir sama. Dari decision tree dipilih metode C4.5 karena metode ini cukup luas digunakan, sedangkan untuk Bayesian Network dipilih Naive Bayesian karena asumsi Naive Bayesian dianggap lebih tepat daripada metode lainnya. Hasil ujicoba menunjukkan, berdasarkan tingkat akurasinya tidak ada metode yang lebih unggul secara mutlak, tetapi secara umum tingkat akurasi yang diperoleh masih belum memuaskan. Berdasarkan waktu prosesnya C4.5 lebih baik dari Naive Bayesian , tetapi waktu proses keduanya masih memadai untuk diterapkan dalam data ini. Berdasarkan pengamatan terhadap sebaran data, belum bisa diperoleh hubungan antara tingkat penyebaran data dengan tingkat akurasi metode C4.5. Dari sebaran data juga dapat dilihat adanya hubungan antara beberapa atribut, sehingga Naive Bayesian menjadi kurang cocok untuk digunakan. Agar layak digunakan, sistem ini masih memerlukan perbaikan agar tingkat akurasinya menjadi lebih baik.