Perbandingan Penerapan Algoritma C4.5, Naïve Bayes, dan K-Nearest Neighbor (K-NN) dalam Klasifikasi Kelulusan Mahasiswa

Klasifikasi termasuk suatu cara untuk mengelompokan teks, jadi teks dengan isi teks yang sama akan dikelompokan dengan tipe teks yang sama. Metode data mining untuk klasifikasi mampu digunakan untuk membantu meningkatkan kecepatan dan ketepatan dalam klasifikasi kelulusan mahasiswa. Di
Fakultas Teknik Informatika Universitas Lancang Kuning Pekanbaru, ada dua prodi yaitu Teknik Informatika dan Teknik Informasi. Pada penelitian ini dilakukan klasifikasi pada data mahasiswa Teknik Informatika pada angkata 2015
s/d 2017 menggunakan algoritma C4.5, Naïve Bayes classifier dan K-Nearest Neighbor dengan pengujian menggunakan Rapidminer. Tiga algoritma ini termasuk algoritma yang paling poluler digunakan dalam klasifikasi. Di penelitian
ini akan melakukan perbandingan dari tiga algoritma ini. Perbandingan ini dilakukan guna untuk mengukur akurasi dari tiap-tiap algoritma untuk mendapatkan metode terbaik yang digunakan pada klasifikasi kelulusan
mahasiswa. Pengujian akurasi metode pada penelitian ini dilakukan dengan tes option cross validation dan eavaluasi data uji menggunakan confusion matrix. Dari penelitian yang telah dilakukan, algoritma C4.5 yang paling tinggi tingkat
akurasinya. Pada algoritma C4.5 didapatkan akurasi tertinggi dari tiga kalai pengujian setiap algoritma, C4.5 mendapatka 100% akurasi pertama,kedua,dana ketiga. Naïve Bayes classifier mendapatkan nilai akurasi seberas 99.34% pada
pengujian pertama dan 100% akurasi untuk pengujian kedua dan ketiga. Dan K�Nearest Nighbor mendapatakan niali akurasi 97.37% pada pengujian kedua, 98.69% niali akurasi, dan pada pengujian ke tiga mendapatkan nilai akurasi 100%.