Seminar Nasional Matematika IndoMS Wilayah Sulawesi 2017 1

SENAMAS 2017

Implementasi dan Analisis Algoritma Pohon Keputusan

untuk Memprediksi Prestasi Siswa SMKN 3 Parepare
Andi Roy1, Basri Modding2, Armin Lawi3
1
Program Studi Magister Manajemen, Program Pascasarjana, Universitas Muslim Indonesia
2
Program Pascasarjana, Universitas Muslim Indonesia
3
Program Studi Ilmu Komputer, Fakultas MIPA, Universitas Hasanuddin

Abstrak
Abstrak Penelitian ini bertujuan untuk membuat prediksi prestasi belajar siswa,
atribute yang digunakan dalam penelitian ini diantaranya status sosial ekonomi
orang tua, motivasi, kedisiplinan siswa dan prestasi masa lalu menggunakan metode
pohon keputusan dengan algoritma C4.5. Pendekatan penelitian yang digunakan
adalah kuantitatif. Subyek penelitian ini adalah siswa kelas X SMK Negeri 3
Parepare berjumlah 349 siswa. Teknik pengumpulan data yang digunakan adalah
dokumentasi dan angket. Hasil evaluasi dari data test set, di dapatkan bahwa nilai
keakuratan dalam memprediksi prestasi siswa menunjukkan hasil yaitu 98,85% dan
error 1.15% tingginya tingkat akurasi dapat disimpulkan bahwa algoritma C4.5
memiliki kinerja yang cukup baik dalam membentuk aturan-aturan. Dengan kata
lain algoritma C4.5 bekerja dengan baik dan bisa di terapkan untuk memprediksi
prestasi siswa.

Kata Kunci: Algoritma Pohon Keputusan, Analisis Algoritma, Akurasi, Prediksi

Prestasi Siswa

1. Pendahuluan
Proses belajar dan mengajar adalah hal yang amat penting artinya dalam metode
pengajaran disekolah. Dapat dikatakan bahwa proses tersebut menempati posisi penting
dalam usaha mensukseskan kegiatan pengajaran dan pendidikan pada umumnya.
Kemajuan suatu bangsa atau negara sangat ditentukan oleh tingkat pendidikan di
Negara tersebut oleh karena itu peningkatan mutu dan kualitas pendidikan sangat
penting untuk menjawab tantangan masa depan.
Fungsi pendidikan adalah membimbing anak ke arah suatu tujuan yang kita nilai
tinggi, pendidikan yang baik adalah usaha yang berhasil membawa semua anak didik
kepada tujuan itu. Apa yang diajarkan hendaknya dipahami sepenuhnya oleh semuah
anak. Murid murid berbeda secara individual dalam caranya belajar. Perbedaan
individual ini harus dipertimbangkan dalam stretegi mengajar agar tiap anak dapat
berkembang sepenuhnya serta menguasai bahan pelajaran secara tuntas. Bahwa tujuan
ini tidak mudah dan tidak akan tercapai bila guru harus mengajar secara rutin dapat kita
pahami. Namun ini merupakan suatu tantangan bagi setiap guru yang ingin
pekerjaannya benar-benar sebagai suatu profesi.
Usaha untuk meningkatkan kualitas lulusan SMK, dibutuhkan kerjasama dan
sinkronisasi yang baik antara pemerintah, manajemen sekolah, kemitraan dengan dunia
industri, kompetensi guru, orang tua dan siswa sendiri. Beberapa elemen tersebut sangat
berpengaruh baik secara langsung maupun tidak langsung terhadap peningkatan mutu
siswa, yang pada akhirnya akan berimbas pada peningkatan kualitas pendidikan.
Seminar Nasional Matematika IndoMS Wilayah Sulawesi 2017 2
SENAMAS 2017

Prestasi belajar siswa dipengaruhi oleh banyak faktor. Salah satu faktor penting dalam
pendidikan agar prestasi belajar siswa meningkat adalah manajemen pembelajaran di
sekolah. Semakin baik manajemen pembelajaran yang ditawarkan sekolah kepada siswa
semakin besar pula kemungkinanan prestasi belajar siswa akan baik.
SMK Negeri 3 Parepare merupakan salah satu dari beberapa SMK Negeri di
Kota Parepare yang berusaha mencetak lulusan yang siap kerja dan siap bersaing dalam
dunia kerja. Tetapi Satu permasalahan yang sering muncul di kalangan peserta didik
SMK Neg 3 Parepare adalah masih banyak yang mementingkan kompetensi mata
pelajaran produktif daripada mata pelajaran adaptif dan normatif. Hal itu dapat kita lihat
dari nilai hasil ujian akhir sekolah tahun pelajaran 2016- 2017 di Smk Negeri 3 Parepare
terlihat bahwa nilai teori kerujuan lebih tinggi dibandingkan nilai matematika lihat
Table 1 dan Tabel 2.

Table 1 Mata Pelajaran: Teori Kejuruan Tata Boga

PG NIL
AI
NO NO. UJIAN NAMA RERAT
AKH
A
PI P II IR

03-109-181-4
1 ERIN NATAL 90 90 90 90
03-109-182-3
2 FATIMA M 90 90 90 90
03-109-183-2
3 HARIANY 88 88 88 88
03-109-184- HARIYADI
4 9 SUKAMDANI S 88 88 88 88
03-109-185-8
5 IRMA NUR 88 88 88 88
03-109-186-7
6 JEKLIN 88 88 88 88
03-109-187-6 JULINDA ASTRI
7 UTARI SENDA 90 90 90 90
03-109-188-5 KHAERUNNISA
8 MAPPANGARA 90 90 90 90
03-109-189-4
9 MARIA SAWE 88 88 88 88
03-109-190-3
10 MUSTIKA 96 96 96 96
03-109-191-2 NOVIANTI INDAH
11 SARI 90 90 90 90
03-109-193-8
12 SEPTIAN SURYA SAIJ 88 88 88 88
03-109-194-7
13 SINTIA SATRIA 88 88 88 88
03-109-195-6
14 TRI UTARI SAMAD 88 88 88 88
03-109-196-5
15 YUNITA ANGGRAINI 88 88 88 88
Sumber: Data diambil di Kurikulum SMK Neg 3 Parepare, 2017
Seminar Nasional Matematika IndoMS Wilayah Sulawesi 2017 3
SENAMAS 2017

Table 2 Mata Pelajaran: Matematika

PG
NO NO. UJIAN NAMA NILAI
RERATA
PI P II AKHIR

03-109-181-4
1 ERIN NATAL 80 80 80 80
03-109-182-3
2 FATIMA M 78 80 79 79
03-109-183-2
3 HARIANY 78 80 79 79
03-109-184- HARIYADI
4 9 SUKAMDANI S 80 80 80 80
03-109-185-8
5 IRMA NUR 78 80 79 79
03-109-186-7
6 JEKLIN 86 88 87 87
03-109-187-6 JULINDA ASTRI
7 UTARI SENDA 84 86 85 85
03-109-188-5 KHAERUNNISA
8 MAPPANGARA 80 80 80 80
03-109-189-4
9 MARIA SAWE 74 76 75 75
03-109-190-3
10 MUSTIKA 76 78 77 77
03-109-191-2 NOVIANTI INDAH
11 SARI 80 80 80 80
03-109-193-8
12 SEPTIAN SURYA SAIJ 76 78 77 77
03-109-194-7
13 SINTIA SATRIA 76 78 77 77
03-109-195-6
14 TRI UTARI SAMAD 80 80 80 80
03-109-196-5
15 YUNITA ANGGRAINI 80 80 80 80
Sumber: Data diambil di Kurikulum SMK Neg 3 Parepare, 2017

Banyak peserta didik SMK Neg 3 Parepare yang piawai menghasilkan karya
sesuai dengan kompetensi kejuruannya tetapi mereka lemah dalam mata pelajaran
adaptif dan normatif. Contohnya adalah banyak peserta didik jurusan Tata Busana
mampu membuat dan mendesain busana yang bagus, jurusan Tata Boga mampu
menghasilkan makanan yang enak tapi mereka lemah pada mata pelajaran Matematika
yang menjadi salah satu syarat kelulusannya. Oleh karena itu, sangat diperlukan
perhatian oleh satuan pendidikan untuk mampu menyelenggarakan pembelajaran yang
bisa mengatasi masalah tersebut.
Satu hal yang belum banyak dilakukan oleh lembaga-lembaga pendidikan atau
sekolah kejuruan adalah melakukan antisipasi terhadap peserta didik yang berpotensi
mengalami hambatan atau kurang berprestasi dalam belajarnya. Hal ini dianggap
penting karena semakin awal lembaga-lembaga pendidikan atau sekolah kejuruan
mengetahui adanya potensi siswa yang kemungkinan akan mengalami hambatan dalam
belajarnya, maka lembaga-lembaga pendidikan atau sekolah bisa melakukan langkah-
Seminar Nasional Matematika IndoMS Wilayah Sulawesi 2017 4
SENAMAS 2017

langkah antisipatif. Dampak dari kurangnya antisipasi atau pencegahan sejak dini
terhadap siswa atau calon siswa yang berpotensi mengalami hambatan dalam belajarnya
atau kurang berprestasi adalah fakta masih banyak siswa yang tidak naik kelas karena
terhambat prestasinya bahkan ada yang dikeluarkan dari sekolah. Kedua hal tersebut
sering kita dengar dan pasti dialami oleh semua sekolah.
Berdasarkan uraian di atas, maka penelitian ini bertujuan untuk membuat
prediksi sejak dini terhadap siswa yang berpotensi tidak berprestasi atau mengalami
hambatan dalam belajarnya, sehingga dapat dilakukan langkah-langkah antisipatif dari
sekolah untuk menghindarkan diri dari kemungkinan tidak naik kelas bahkan
dikeluarkannya siswa dari sekolah. Langkah yang bisa diambil sekolah setelah
mengetahui adanya siswa yang berpotensi tidak berprestasi adalah dengan melakukan
pendampingan khusus terhadap siswa tersebut.
Beberapa faktor yang mempengaruhi prestasi belajar siswa Sekolah Menengah
Kejuruan antara lain sosial ekonomi orang tua, fasilitas belajar sekolah, motivasi,
kedisiplinan siswa dan prestasi masa lalu siswa. Faktor status sosial ekonomi orang tua
yang mewujudkan pada kemampuan finansialnya. Dengan kemampuan finansial orang
tua, tentunya akan mempengaruhi fasilitas belajar yang disediakan oleh orang tua
terhadap sarana dan prasarana yang dibutuhkan oleh seorang siswa untuk meningkatkan
prestasi belajarnya.
Tulus dalam (Susanto & Sudiyatno, 2014) mengungkapkan bahwa sarana belajar
biasanya menjadi penunjang prestasi belajar, namun demikian bila kelengkapan fasilitas
belajar sebagai sarana penunjang belajar di sekolah memadai, sebaliknya dapat menjadi
faktor penghambat apabila kelengkapan fasilitas belajar di sekolah kurang memadai.
Pengaruh motivasi terhadap prestasi belajar siswa sangat besar karena itu orang orang
di sekitar hendaknya memberi motivasi yang tepat. Belajar sudah menjadi kewajiban
yang harus di lakukan oleh seorang siswa. Kadang, siswa jenuh dan akhirnya memilih
untuk tidak belajar. Untuk itulah mereka perlu diberi dorongan baik dari segala pihak.
Menurut Biggs dan Tefler dalam Dimyanti dan Mudjiono (1994) yang dikutip
dalam website Jaelani (2011) motivasi belajar siswa dapat menjadi lemah, lemahnya
motivasi atau tiadanya motivasi belajar akan melemahkan kegiatan, sehingga mutu hasil
belajar menjadi rendah. Oleh karena itu, motivasi belajar pada diri siswa perlu diperkuat
terus menerus. Dengan tujuan agar siswa mempunyai motivasi belajar yang kuat,
sehingga hasil belajar yang diraihnya dapat optimal.
Faktor kedisiplinan dalam pengelolaan pengajaran merupakan suatu hal yang
sangat penting. Tanpa adanya kesadaran akan keharusan melaksanakan aturan yang
sudah ditentukan sebelumnya pengajaran tidak mungkin mencapai target yang
maksimal. Seorang siswa perlu memiliki sikap disiplin dengan melakukan latihan yang
memperkuat dirinya sendiri untuk selalu terbiasa patuh dan mempertinggi daya kendali
diri. Sikap disiplin yang timbul dari kesadarannya sendiri akan dapat lebih memacu dan
tahan lama dibandingkan dengan sikap disiplin yang timbul karena adanya pengawasan
dari orang lain. Seperti halnya disebutkan oleh Tulus dalam Susanto, H dan Sudiyatno
(2014, Vol 4, No 2 ) bahwa dengan disiplin yang muncul karena kesadaran diri, siswa
berhasil dalam belajarnya, tanpa disiplin yang baik suasana sekolah dan juga kelas
menjadi kurang kondusif bagi kegiatan pembelajaran secara positif disiplin memberi
dukungan lingkungan yang tenang dan tertib bagi proses pembelajaran, disiplin
merupakan jalan bagi siswa untuk sukses dalam belajar dan kelak ketika bekerja karena
kesadaran pentingnya norma, aturan, kepatuhan dan ketaatan merupakan kesuksesan
seseorang.
Seminar Nasional Matematika IndoMS Wilayah Sulawesi 2017 5
SENAMAS 2017

Berdasarkan uraian mengenai faktor-faktor yang mempengaruhi prestasi belajar

siswa di atas, Maka penelitian ini dilakukan dengan tujuan untuk mengetahui seberapa
besar kontribusi dari berbagai faktor terhadap prestasi belajar siswa dan faktor-faktor
mana yang paling dominan kontribusinya terhadap prestasi belajar siswa. Penelitian ini
bertujuan untuk membuat prediksi prestasi belajar siswa berdasarkan Faktor status
sosial ekonomi orang tua, motivasi, kedisiplinan siswa dan prestasi masa lalu
menggunakan metode algoritma decition J48. Sebagai perbandingan, data penelitian
dianalisis juga dengan Algoritma Genetika. Harapan dari hasil penelitian ini adalah
adanya hasil rumusan faktor-faktor yang mempengaruhi prestasi belajar siswa
Berdasarkan faktor-faktor tersebut, siswa yang diprediksi memiliki faktor-faktor kuat
mengalami hambatan dalam prestasi belajarnya bisa dilakukan langkah-langkah antisi-
pasi sejak dini terhadap siswa tersebut.
Penelitian-penelitian tentang Memprediksi Prestasi belajar siswa sebelumnya
pernah diteliti oleh Susanto, H dan Sudiyatno (2014) dengan judul penelitian : Data
Mining Untuk Memprediksi Prestasi Siswa Berdasarkan Sosial Ekonomi, Motivasi,
Kedisiplinan Dan Prestasi Masa Lalu. Penelitian ini bertujuan untuk membuat prediksi
prestasi belajar siswa berdasarkan status sosial ekonomi orang tua, motivasi,
kedisiplinan siswa dan prestasi masa lalu menggunakan metode data mining dengan
decision tree algoritma J48. Sebagai perbandingan, data penelitian dianalisis juga
dengan CHAID (Chi Squared Automatic Interaction Detection) dan regresi ganda. Hasil
penelitian menunjukkan bahwa analisis prediksi menggunakan decision tree algoritma
J48 memiliki akurasi lebih baik dibandingkan dengan metode CHAID dan regresi
ganda. Yunanti (2010) melakukan penelitian dengan judul Aplikasi Jaringan Syaraf
Tiruan Untuk Memprediksi Prestasi Siswa SMU Dengan Metode Backpropagation.
Tujuan dari penelitian ini adalah mempelajari teori jaringan syaraf tiruan
backpropagation menggunakan metode literature dan analisis data. Hasil analisis
penelitian menunjukkan bahwa jaringan syaraf backpropagation adalah sistem
pemrosesan informasi yang bertujuan untuk melatih jaringan agar mendapat
keseimbangan antara kemampuan jaringan untuk mengenali pola yang digunakan
selama pelatihan dan kemampuan jaringan untuk memberikan respon yang benar
terhadap pola msukan yang serupa (tetapi tidak sama) dengan pola yang digunakan
selama pelatihan. Sehingga dapat diperkirakan bahwa dari 50 data yang dilatihkan ada
29 data yang tidak sesuai dengan output yang diinginkan, sedangkan ada 21 data yang
sesuai dengan output yang diinginkan, artinya banyak peserta didik yang kurang
berprestasi saat disekolah Menegah Umum (SMU) walaupun ketika disekolah
Menengah Pertama (SMP) mereka berprestasi. Berdasarkan latar belakang tersebut
penulis tertarik untuk mengangkat Judul tentang implementasi dan analisis algoritma
pohon keputusan untuk memprediksi prestasi siswa (studi kasus : smk negeri 3
parepare).

1.1 Perumusan Masalah

Berdasarkan latar belakang dan rumusan masalah yang telah diuraikan di atas,
maka peneliti mengemukakan tujuan sebagai berikut :
1. Untuk mengetahui atribute yang akan menjadi Node Akar untuk membentuk
pohon keputusan.
2. Untuk Mengetahui Rule dari pohon keputusan yang terbentuk.
Seminar Nasional Matematika IndoMS Wilayah Sulawesi 2017 6
SENAMAS 2017

3. Untuk mengetahui Tingkat akurasi variable Prediktor terhadap prestasi belajar

siswa dengan menggunakan metode Pohon Keputusan Algoritma C.45.

1.2 Tujuan Penelitian

Berdasarkan latar belakang dan rumusan masalah yang telah diuraikan di atas,
maka peneliti mengemukakan tujuan sebagai berikut :
1. Untuk mengetahui atribute yang akan menjadi Node Akar untuk membentuk
pohon keputusan.
2. Untuk Mengetahui Rule dari pohon keputusan yang terbentuk.
3. Untuk mengetahui Tingkat akurasi variable Prediktor terhadap prestasi belajar
siswa dengan menggunakan metode Pohon Keputusan Algoritma C.45.

1.3 Manfaat Penelitian

Manfaat dari penelitian ini adalah Siswa yang diprediksi dengan Impelementasi
dan analisis Pohon Keputusan memiliki faktor-faktor kuat mengalami hambatan dalam
prestasi belajarnya bisa dilakukan langkah-langkah antisipasi sejak dini terhadap siswa
tersebut dengan begitu semua siswa dari berbagai latar belakang faktor masing-masing
dapat maksimal dalam prestasi belajar.

2. Kerangka Konseptual
Decision Tree adalah pohon yang digunakan sebagai prosedur penalaran untuk
mendapatkan jawaban dari masalah yang dimasukkan. Pohon yang dibentuk tidak selalu
berupa pohon biner. Jika semua fitur dalam data set menggunakan 2 macam nilai
kategorikal maka bentuk pohon yang didapatkan berupa pohon biner. Decision tree
yang diinduksi tidak selalu sama pada beberapa percobaan karena urutan atau pemilihan
fitur sebagai pemecah (Prasetyo, Data Minig Mengolah Data Menjadi Informasi
Menggunakan Matlab, 2014)

Masalah
- menentukan atribute yang akan menjadi Node Akar untuk membentuk pohon
keputusan.
- menentukan Rule dari pohon keputusan yang terbentuk.
- menentukan tingkat akurasi variable Prediktor terhadap prestasi belajar siswa
dengan menggunakan metode Pohon Keputusan Algoritma C.45

Analisa
Menganalisa algoritma C4.5

Pengujian
Pengujian dilakukan dengan menggunakan data test set
Algoritma c4.5 dengan perangkat lunak bantu WEKA

Hasil
Akurasi algoritma c4.5

Gambar 1. Kerangka Pikir.

Seminar Nasional Matematika IndoMS Wilayah Sulawesi 2017 7
SENAMAS 2017

3. Metode Penelitian
Pendekatan dalam penelitian ini menggunakan pendekatan kuantitatif, Subyek
penelitian ini adalah siswa SMK Negeri 3 Parepare. Teknik pengumpulan data yang
digunakan adalah dokumentasi dan angket. Penelitian ini memperoleh data dari angket
dan dokumentasi.
Penelitian ini mengunakan teknik Decision Tree untuk melakukan prediksi
prestasi belajar siswa SMK Negeri 3 Parepare berdasarkan status ekonomi orang tua,
motivasi, kedisiplinan dan prestasi masa lalu. Decision Tree akan memperlihatkan
faktor-faktor kemungkinan (probabilitas) yang akan mempengaruhi alternatif alternatif
prestasi belajar siswa, disertai dengan prediksi hasil akhir yang akan didapat bila faktor-
faktor dalam decision tree terpenuhi. Decision tree akan mengubah data kedalam bentuk
visual berupa diagram pohon dan aturan-aturan keputusan.
Data dalam Decision Tree dinyatakan dalam bentuk tabel dengan atribut dan
record. Atribut menyatakan suatu parameter yang dibuat sebagai kriteria dalam
pembentukan tree. Salah satu atribut yang merupakan atribut yang menyatakan data
solusi per-item data yang disebut dengan target atribut. Atribut memiliki nilai-nilai yang
dinamakan dengan instance. Alur proses analisis dalam decision tree adalah mengubah
bentuk data (table) menjadi model tree, mengubah model tree menjadi rule dan
menyederhanakan rule (pruning)

3. Hasil Penelitian
Penelitian ini menggunakan data 349 siswa SMK Negeri 3 Parepare Kelas X.
Dalam aturan klasifikasi yang telah dilakukan dengan metode Pohon Keputusan
menggunakan algoritma C.45 untuk menghasilkan Output dari penentuan pola pada
training data digunakan perangkat lunak bantu WEKA. Berdasarkan tujuan penelitian
ini maka dapat dilihat dari hasil penelitian yang telah dilakukan mulai dari
pengumpulan data, prosesing data hingga menghasilkan output yaitu :
1. Menentukan atribute yang akan menjadi Node Akar. Untuk menentukan atribute
yang akan menjadi akar harus dihitung entropy. Entropy merupakan ukuran
ketidakpastian dimana semakin tinggi entropy, maka semakin tinggi ketidakpastian.

Table 3 Hasil perhitungan entropy dan gain untuk node akar

NILAI
Node ATRIBUT JUMLAH BAIK BURUK ENTROPY GAIN
ATRIBUT
1 TOTAL 349 283 66 0.6996

0.0379
Kedisiplinan YA 115 107 8 0.3643
Tidak 234 176 58 0.8079

Prestasi ML 0.2388
Tuntas 309 279 30 0.4597
Tidak
Tuntas 40 4 36 0.4690
Seminar Nasional Matematika IndoMS Wilayah Sulawesi 2017 8
SENAMAS 2017

NILAI
Node ATRIBUT JUMLAH BAIK BURUK ENTROPY GAIN
ATRIBUT

Status 0.0002
Ekonomi Mampu 95 78 17 0.6778
Ortu Tidak
Mampu 254 205 49 0.7075

0.2192
Motivasi
Tinggi 302 274 28 0.4455
Rendah 47 9 38 0.7046

Hasil perhitungan Entropy dan informasi Gain disajikan pada Tabel 3. Dari hasil
perhitungan entropy dan Gain menunjukkan bahwa Gain tertinggi ada di Atribute
Prestasi Masa Lalu yaitu 0.2388. Menurut (Prasetyo, 2014) Gain tertinggi sebagai Node
Akar. Oleh karena itu Prestasi Masa Lalu dijadikan sebagai Node Akar. seperti yang
ditunjukkan pada gambar 2.

1
PrestasiML
Tidak Tuntas Tuntas

2 3

Gambar 2. Hasil pembentukan node akar.

2. Menentukan Rule dari pohon keputusan yang terbentuk.

Dari Gambar 3 tersebut temukan aturan-aturan (rules). Aturan- aturan yang
dihasilkan berguna saat melakukan prediksi. Dimulai dari node akar jika Prestasi masa
lalu Tidak Tuntas dan kedisiplinan masuk dalam kategori Tidak disiplin maka siswa
tergolong kategori buruk. Bentuk aturan IF THEN yang dihasilkan dari pohon
keputusan sebagai berikut :
1) if (prestasi_ml == Tidak Tuntas AND kedisiplinan == Tidak) then Buruk
2) if (prestasi_ml == Tidak Tuntas AND kedisiplinan == Ya AND
status_ekonomi_ortu == Mampu AND motivasi == Lemah)then Buruk
3) if (prestasi_ml == Tidak Tuntas AND kedisiplinan == Ya AND
status_ekonomi_ortu == Mampu AND motivasi == Tinggi) then Baik
4) if (prestasi_ml == Tidak Tuntas AND kedisiplinan == Ya AND
status_ekonomi_ortu == Tidak Mampu AND motivasi == Lemah) then Buruk
5) if (prestasi_ml == Tidak Tuntas AND kedisiplinan == Ya AND
status_ekonomi_ortu == Tidak Mampu AND motivasi == Tinggi) then Buruk
6) if (prestasi_ml == Tuntas AND motivasi == Lemah AND kedisiplinan == Tidak
AND status_ekonomi_ortu == Mampu)then Buruk
7) if (prestasi_ml == Tuntas AND motivasi == Lemah AND kedisiplinan == Tidak
AND status_ekonomi_ortu == Tidak Mampu) then Buruk
Seminar Nasional Matematika IndoMS Wilayah Sulawesi 2017 9
SENAMAS 2017

8) if (prestasi_ml == Tuntas AND motivasi == Lemah AND kedisiplinan ==

Ya) then Baik
9) if (prestasi_ml == Tuntas AND motivasi == Tinggi) then Baik

1
PrestasiML
Tidak Tuntas Tuntas

2 3
Kedisiplinana Motivasi

Tidak Ya Rendah Tinggi

Buruk 5 6 Baik
SEO Kedisiplinan
Tidak Mampu Mampu Tidak
Ya
9 Baik 11
8
Motivai SEO
Motivasi
Tinggi Tinggi Mampu
Rendah Rendah Tidak Mampu

Buruk Buruk Buruk Baik Buruk Buruk

Gambar 3. Hasil pembentukan pohon keputusan

3. Menentukan Tingkat akurasi variable Prediktor terhadap prestasi belajar siswa

dengan menggunakan metode Pohon Keputusan Algoritma C4.5. Dalam aturan
klasifikasi yang telah dilakukan dengan metode Pohon Keputusan menggunakan
algoritma C.45 untuk menghasilkan Output dari penentuan pola pada training data
digunakan perangkat lunak bantu WEKA. Dan Hasil evaluasi dari data test set, di
dapatkan bahwa nilai keakuratan dalam memprediksi prestasi siswa menunjukkan
hasil yaitu 98,85% dan error 1.15%. Dengan kata lain algoritma C4.5 bekerja
dengan baik dan bisa di terapkan untuk memprediksi prestasi siswa. Hal ini sesuai
dengan teori menurut (HIDAYATSYAH, 2013) Semakin kecil persentase nilai
akurasi yang dihasilkan pada data testing menandakan nilai error yang dihasilkan
besar , maka rule yang dihasilkan pun tidak baik. Begitu pula sebaliknya, semakin
besar nilai akurasi yang dihasilkan pada data testing menandakan nilai error yang
dihasilkan kecil, maka akan menghasilkan rule yang baik pula.

4. Simpulan dan Saran

4.1 Simpulan
Adapun kesimpulan yang dihasilkan dari Penelitian yang berjudul Implementasi
Dan Analisis Algoritma Pohon Keputusan Untuk Memprediksi Prestasi Siswa (Studi
Kasus : Smk Negeri 3 Parepare) maka ditarik kesimpulan sebagai berikut :
Seminar Nasional Matematika IndoMS Wilayah Sulawesi 2017 10
SENAMAS 2017

1. Node akar ditentukan dari data yang sudah diketahui Label kelasnya setalah itu
menghitung entropy masing-masing atribute. Selanjutnya dilakukan perhitungan
Gain dimasing-masing atribute. Dari hasil perhitungan entropy dan Gain dimasing
masing atribut menunjukkan bahwa Gain tertinggi ada di Atribute Prestasi Masa
Lalu yaitu 0.2388. Menurut (Prasetyo, 2014) Gain tertinggi sebagai Node Akar.
Oleh karena itu Prestasi Masa Lalu dijadikan sebagai Node Akar.
2. Aturan-aturan pohon keputusan dihasilkan dari pembentukan pohon keputusan
yang dimulai dari pembentukan akar kemudian membentuk sub akar dan akan
berhenti sampai membentuk daun. Maka aturan yang akan dihasilkan akan akan
dimulai dari akar seperti if (prestasi_ml == Tidak Tuntas AND kedisiplinan ==
Tidak) then Buruk artinya jika Prestasi masa lalu Tidak Tuntas dan kedisiplinan
masuk dalam kategori Tidak disiplin maka siswa tergolong kategori buruk.
3. Hasil evaluasi dari data test set, di dapatkan bahwa nilai keakuratan dalam
memprediksi prestasi siswa menunjukkan hasil yaitu 98,85% dan error 1.15%.
Dengan kata lain algoritma C4.5 bekerja dengan baik dan bisa di terapkan untuk
memprediksi prestasi siswa. Hal ini sesuai dengan teori menurut
(HIDAYATSYAH, 2013) Semakin kecil persentase nilai akurasi yang dihasilkan
pada data testing menandakan nilai error yang dihasilkan besar , maka rule yang
dihasilkan pun tidak baik. Begitu pula sebaliknya, semakin besar nilai akurasi yang
dihasilkan pada data testing menandakan nilai error yang dihasilkan kecil, maka
akan menghasilkan rule yang baik pula.\

4.2 Simpulan
Adapun saran saran Untuk penelitian selanjutnya yang membahas atau
mengembangkan topik yang sama dengan penelitian ini agar lebih baik lagi antara lain :
1. Untuk penelitian lebih lanjut disarankan untuk mencoba algoritma lain sebagai
perbandingan dalam pengukuran kinerja.
2. Untuk penelitian lebih lanjut disarankan untuk meningkatkan jumlah data kasusnya
dengan algoritma yang sama

Daftar Pustaka
[1] Susanto, H., & Sudiyatno. (2014). Data Mining Untuk Memprediksi Prestasi Siswa
Berdasarkan Sosial Ekonomi, Motivasi, Kedisiplinan Dan Prestasi Masa Lalu.
Jurnal Pendidikan Vokasi, 222.
[2] Prasetyo, E. (2014). Data Mining Mengolah Data Menjadi Informasi Menggunakan
Matlab. Penerbit Andi: Yogyakarta.
[3] Hidayatsyah, M. R. (2013). Penerapan Metode Decision Tree Dalam Pemberian
Pinjaman Kepada Debitur Dengan Algoritma C4.5 (Studi Kasus : Bank
Perkreditan Rakyat Syariah). 81.